Lisbon, Bồ Đào Nha — 14h chiều thứ Ba, một giao dịch USDC trị giá 4.2 triệu USD được thực hiện trên Uniswap V3 bởi một ví không có lịch sử giao dịch trước đó. Điều kỳ lạ: lệnh swap được cấu trúc giống hệt một giao dịch mẫu mà tôi từng mô tả trong một bài phân tích cách đây ba tháng. Cùng một chiến lược DCA, cùng điểm vào lệnh, cùng tần suất. Chỉ khác là người thực hiện không phải trader hay bot, mà là một AI Agent vừa học được hành vi đó sau khi xem tôi thao tác qua một phiên screen sharing.
Nếu bạn lọc Smart Money trên chuỗi, bạn sẽ thấy những ví như vậy đang xuất hiện ngày càng nhiều — những ví hoạt động hoàn hảo nhưng không có dấu hiệu của con người. Chúng là mảnh ghép mới nhất trong cuộc chạy đua giữa các nền tảng AI Agent nhằm biến "ghi lại những gì bạn làm" thành "tự động làm thay bạn". Và cuộc đua đó, bất ngờ thay, đang định hình lại toàn bộ nền kinh tế on-chain.
Bối Cảnh: Từ Screen Recording Đến On-Chain Automation
Đầu tháng 4, hai gã khổng lồ trong làng AI Agent — Anthropic (với Claude Cowork) và OpenAI (với Codex) — đồng loạt tung ra tính năng "Record a skill". Chỉ cần bật ghi, click chuột, gõ bàn phím và nói vài câu, hệ thống sẽ tạo ra một kỹ năng (skill) có thể tái sử dụng. Với Claude, kỹ năng đó được lưu dưới dạng tệp SKILL.md; với Codex, nó tích hợp trực tiếp vào IDE, nhưng ý tưởng cốt lõi giống nhau: biến hành vi của con người thành mã thực thi mà không cần viết một dòng code nào.
Cộng đồng crypto nhanh chóng nhận ra tiềm năng. Một dev trên Warpcast đã thử ghi lại quy trình swap token trên Uniswap thông qua giao diện web và chạy lại bằng Claude Agent. Kết quả: AI thực hiện đúng 4/5 bước, chỉ sai ở vị trí confirm trên MetaMask do thay đổi giao diện. Nhưng điều quan trọng không phải là độ chính xác, mà là tiềm năng thay thế hoàn toàn lớp trừu tượng hiện tại của DeFi.
Trong bối cảnh thị trường đi ngang, các giao thức thanh khoản đang chảy máu TVL, và những người dùng cá nhân mệt mỏi với việc phải tự động hóa bằng bot phức tạp, khả năng "dạy" AI cách giao dịch thông qua trình diễn trở thành một lối thoát. Đây không phải là innovation về giao thức, mà là một lớp middleware mới — một lớp hấp thụ hành vi người dùng và tái tạo nó trên chuỗi.
Cốt Lõi: Kiến Trúc Học Hành Vi On-Chain
Điều mà các dev không nói với bạn: tính năng "Record a skill" không phải là công nghệ đột phá về mặt Model Architecture. Nó là sự kết hợp thông minh của ba kỹ thuật có sẵn: Behavioral Cloning (học bắt chước hành vi), Multi-modal Input (ghi nhận màn hình, âm thanh, thao tác), và Code Generation (sinh mã thực thi). Khi người dùng ghi lại một phiên giao dịch, AI Agent không hiểu gì về token hay AMM; nó chỉ học một policy điều kiện: "nếu màn hình hiển thị nút Swap, và input field có số 100, thì click vào vị trí x:y với tọa độ tương ứng".
Sự tinh tế nằm ở bước hậu xử lý. Sau khi ghi, hệ thống phân tích chuỗi hành vi, trích xuất ý định cốt lõi (ví dụ: "swap 100 USDC thành ETH") và sinh ra một tập lệnh có cấu trúc. Khi skill được chạy lại, Agent không chỉ mô phỏng lại từng cú click, mà còn hiểu ngữ cảnh để thích ứng với sự thay đổi giao diện. Đây là lý do skill có thể tồn tại qua các bản cập nhật UI của giao thức.
Setup tôi đang theo dõi ngay bây giờ là một skill được tạo ra bởi một trader chuyên nghiệp ở Singapore. Anh ấy ghi lại quy trình chốt lời trên Hyperliquid: mở terminal web, đọc lệnh, kiểm tra funding rate, rồi vào vị thế. Sau 15 phút ghi, skill được tạo ra và hiện đang chạy tự động mỗi ngày. Thay vì mất 45 phút làm thủ công, bây giờ chỉ cần 2 giây nhấn Run. Thời gian tiết kiệm được dùng để phân tích thị trường, và lợi nhuận gộp tăng 12% trong một tháng.
Ván cược cơ sở hạ tầng đằng sau ứng dụng này là khả năng xử lý multi-modal với độ trễ thấp. Khi skill chạy, AI phải real-time nhận diện pixel trên màn hình, hiểu cấu trúc giao diện, và ra quyết định. Thời gian từ lúc màn hình thay đổi đến lúc click chuột phải dưới 300ms để không bị trượt giá. Điều này đẩy yêu cầu về inference compute lên rất cao — mỗi lần chạy skill tốn từ 5 đến 20 giây thời gian GPU, tùy độ phức tạp.
Góc Nhìn Phản Trực Giác: Decoupling Không Chỉ Là Vĩ Mô
Hầu hết mọi người nghĩ rằng automation trong crypto là về bot, smart contract, hay intent-based architecture. Nhưng thực tế, sự phổ cập của "Record & Replay" sẽ tạo ra một decoupling mới: tách rời hành vi con người khỏi giao diện đồ họa. Người dùng không cần phải tương tác trực tiếp với dApp nữa. Họ có thể dạy AI làm điều đó, và AI sẽ mô phỏng y hệt, bao gồm cả những sai sót chủ quan của họ.
Điều này dẫn đến một hệ quả nghịch lý: các dApp sẽ mất khả năng đo lường người dùng thực thông qua on-chain data. Khi 50% giao dịch được thực hiện bởi AI Agent bắt chước hành vi người dùng, làm sao phân biệt được đâu là intent thật, đâu là pattern được học? TVL, volume, user count — tất cả đều trở thành tín hiệu nhiễu. Đây là một điểm mù mà hầu hết các analyst hiện tại chưa tính đến.
Tôi đã từng chứng kiến điều tương tự khi theo dõi các bot MEV trên Ethereum vào năm 2021 — một lượng giao dịch khổng lồ không phản ánh nhu cầu thực tế. Nhưng lần này, quy mô sẽ còn lớn hơn vì bất kỳ ai cũng có thể tạo ra một skill mà không cần kỹ năng lập trình. Sự lọc nhiễu on-chain sẽ trở thành kỹ năng sống còn cho các nhà phân tích.
Takeaway: Tín Hiệu Cho Chu Kỳ Tích Lũy
Thị trường đang đi ngang, nhưng những skill đầu tiên đang được tạo ra như những viên gạch xây nên tầng middleware mới. Khi chu kỳ tiếp theo bùng nổ, các skill này sẽ là cơ sở hạ tầng sẵn sàng để khai thác. Câu hỏi đặt ra: liệu chúng ta có đang xây dựng một hệ thống mà AI Agents sẽ học được cả những thói quen xấu của con người? Có lẽ đó là bài toán mà không chỉ kỹ thuật, mà còn là triết lý của ngành cần giải quyết.
(Độc giả có thể tìm hiểu thêm về cách nhận diện skill-generated transactions qua thread Twitter tôi đăng hôm qua. Link trong bio.)