Tuần trước, Andrej Karpathy – cựu thành viên OpenAI, hiện tại ở Anthropic – chia sẻ một phương pháp làm việc với AI mà ông gọi là 'long-form verbal prompt'. Thay vì gõ prompt chi tiết, ông nói chuyện tự nhiên với mô hình ngôn ngữ trong 10 phút, để AI tự hỏi lại và làm rõ mục tiêu. Bài viết của ông nhanh chóng lan truyền trong cộng đồng AI, nhưng với tư cách một core protocol developer trong mảng blockchain, tôi nhận ra ngay: phương pháp này có thể mang đến một cuộc cách mạng về hiệu suất cho công việc phát triển giao thức phi tập trung.
Hãy tưởng tượng: bạn đang debug một lỗ hổng trong hợp đồng thông minh DeFi. Thay vì viết từng dòng giải thích, bạn chỉ cần bật mic, nói ra suy nghĩ lộn xộn của mình – 'cái hàm withdraw này có vẻ sai ở chỗ tính phí, hay là do reentrancy? Mà cái pool thanh khoản sao lại không update...' – và AI sẽ tự động phân tích, đặt câu hỏi ngược lại, giúp bạn khoanh vùng vấn đề nhanh hơn gấp nhiều lần. Đây không phải viễn tưởng. Đây là điều Karpathy đang làm hàng ngày, và tôi tin nó hoàn toàn có thể áp dụng cho blockchain.
### Bối cảnh: Tại sao blockchain cần một cách tiếp cận mới? Phát triển blockchain vốn là một lĩnh vực đòi hỏi độ chính xác cực cao. Một dòng code sai trong smart contract có thể dẫn đến mất hàng triệu USD. Quy trình hiện tại thường là: developer viết spec → code → test → audit. Nhưng giai đoạn đầu – hình thành ý tưởng và kiến trúc – lại thường diễn ra trong đầu, rất khó để chia sẻ hay kiểm tra. Việc phải gõ từng chữ một cách chính xác trong prompt không chỉ mất thời gian mà còn làm gián đoạn luồng suy nghĩ. Karpathy, với nền tảng sâu về AI, đã tìm ra cách giải quyết: biến AI thành một 'người đồng nghiệp biết lắng nghe', thay vì một công cụ thụ động.
### Phân tích kỹ thuật: Áp dụng vào blockchain workflow Dựa trên kinh nghiệm audit mã nguồn và phát triển giao thức tại zkSync, tôi đã thử nghiệm phương pháp này trong một số tình huống thực tế. Kết quả cho thấy ba điểm lợi chính:
1. Tăng tốc độ brainstorming kiến trúc. Khi thiết kế một bridge cross-chain mới, thay vì viết whitepaper draft từ đầu, tôi nói ra tất cả các lựa chọn (Merkle proof vs ZK proof, light client vs oracle) trong 5 phút. Mô hình AI (GPT-4o) đã tự động tổng hợp các trade-off, đặt câu hỏi về độ trễ và chi phí gas, giúp tôi thu hẹp phạm vi thiết kế chỉ trong 15 phút – so với 2-3 giờ nếu làm thủ công.
2. Hỗ trợ audit real-time. Khi phân tích một hợp đồng Uniswap V3 fork, tôi vừa đọc code vừa nói ra nghi ngờ: 'cái phép tính sqrtPriceX96 này có vẻ overflow ở biên?'. AI lập tức phản hồi với một đoạn phân tích về integer overflow trong Solidity 0.8+, và đề xuất kiểm tra dòng 247. Thực tế, tôi đã phát hiện một lỗi tiềm ẩn về rounding error mà team audit ban đầu bỏ sót. Phương pháp này biến mỗi buổi code review thành một phiên pair programming với AI.
3. Tối ưu hóa viết tài liệu kỹ thuật. Một trong những công việc tẻ nhạt nhất là viết specification cho EIP. Với 'long-form verbal prompt', tôi chỉ cần mô tả ý tưởng bằng giọng nói, AI tự động cấu trúc thành các section, thêm sơ đồ và tham chiếu cross-link. Tôi chỉ mất 30 phút để hoàn thành bản thảo cho một đề xuất cải tiến gas cost, thay vì nửa ngày.
### Góc nhìn phản trực giác: Rủi ro tiềm ẩn mà ít ai nói đến Tuy nhiên, không phải mọi thứ đều màu hồng. Trong quá trình thử nghiệm, tôi gặp ba vấn đề nghiêm trọng:
Thứ nhất, model hallucination. Khi tôi nói 'có thể dùng EIP-4626 cho vault này?', AI đôi khi khẳng định chắc nịch rằng EIP-4626 có chức năng A, nhưng thực tế nó không có. Nếu developer tin tưởng mù quáng, họ có thể viết code dựa trên thông tin sai lệch, dẫn đến lỗ hổng bảo mật. Cần có thói quen luôn kiểm tra chéo thông tin từ AI với tài liệu gốc.
Thứ hai, chi phí compute. Một phiên 10 phút với GPT-4o tiêu tốn khoảng 200k token (voice + text), tương đương ~1-2$ mỗi lần. Với các developer làm việc hàng chục lần mỗi ngày, chi phí này có thể lên tới vài trăm USD/tháng. Chưa kể nếu sử dụng model mạnh hơn (như Claude Opus), con số còn cao hơn. Điều này tạo ra rào cản cho các indie developer.
Thứ ba, privacy. Khi bạn nói ra ý tưởng về một protocol mới, toàn bộ nội dung được gửi đến server của OpenAI hoặc Anthropic. Nếu dự án của bạn chưa public, đây là rủi ro rò rỉ thông tin. Giải pháp tạm thời: dùng local model (Llama 3.1 70B) qua Ollama, nhưng chất lượng hiện chưa bằng GPT-4o cho tác vụ này.
### Kết luận: Một công cụ, không phải thần dược Karpathy đã mở ra một hướng đi mới: biến AI thành 'đồng nghiệp suy nghĩ cùng bạn' thay vì 'cỗ máy trả lời'. Đối với blockchain, nơi mà việc hình thành ý tưởng và kiểm tra logic chiếm phần lớn thời gian, phương pháp này hứa hẹn tăng năng suất đáng kể. Nhưng nó không thay thế được sự thận trọng của một developer giàu kinh nghiệm, cũng không giúp bạn tránh khỏi những lỗi logic tinh vi.
Tôi đã bắt đầu áp dụng phương pháp này vào công việc hàng ngày, và tin rằng trong 5 năm tới, 'voice-first development' sẽ trở thành tiêu chuẩn cho mọi protocol engineer. Câu hỏi đặt ra: liệu các dự án blockchain có sẵn sàng đầu tư vào hạ tầng speech-to-text và inference chi phí thấp để phổ cập công cụ này? Hay họ sẽ để các developer tự xoay xở với prompt engineering truyền thống?