Thanh khoản AI đang co lại. Không phải thanh khoản vốn, mà là thanh khoản của sự chú ý. Khi một developer ngồi trước Claude, họ không cần lời chào trang trọng hay đoạn tóm tắt cuối bài. Họ cần dòng code đầu tiên. Đó là lý do tôi dừng lại trước dự án GitHub chỉ với 1100 sao: "i-have-adhd" — một bộ quy tắc Prompt Engineering cho Claude khiến mọi thứ trở nên sắc bén hơn.
Đây không phải một layer 2 mới, cũng không phải một giao thức DeFi. Nó là một Claude Code Skill, một template system prompt gồm 10 quy tắc, như "Luôn bắt đầu bằng hành động trực tiếp", "Tối đa 5 mục", "Bỏ qua lời chào và lời kết thừa thãi". Nghe có vẻ đơn giản, nhưng trong bối cảnh blockchain — nơi mỗi giây đều là chi phí gas — sự đơn giản đó trở thành vàng. Năm 2020, tôi từng xây dựng bộ công cụ phát hiện bất thường thanh khoản Uniswap để cứu quỹ 300.000 USD. Khi ấy, điều làm tôi đau đầu không phải là model AI không hiểu lệnh, mà là nó trả lời quá dài, che khuất thông tin quan trọng. "i-have-adhd" giải quyết chính xác vấn đề đó.
Bối cảnh: hệ sinh thái AI hiện tại đang tràn ngập các mô hình mạnh mẽ như Claude 3.5, GPT-4, Gemini. Nhưng điểm nghẽn không nằm ở năng lực suy luận, mà ở cách chúng xuất ra thông tin. Một developer blockchain cần kiểm tra mã nguồn smart contract, audit logic, hoặc debug transaction — họ không cần AI giải thích "tôi hiểu rằng bạn cần giúp đỡ...". Họ cần câu trả lời trực tiếp. Dự án "i-have-adhd" là một phát hiện mang tính hệ thống: nó chỉ ra rằng các mô hình mạnh nhất vẫn có một điểm mù về output format. Tôi đã thử áp dụng bộ quy tắc này vào workflow phân tích on-chain của mình: thay vì yêu cầu Claude giải thích dài dòng, tôi dùng một system prompt ngắn gọn với 10 quy tắc tương tự. Kết quả: thời gian phân tích giảm 40%, tỉ lệ chính xác tăng nhờ tôi đọc được dòng code cốt lõi nhanh hơn.
Phân tích kỹ thuật: bản chất của "i-have-adhd" là inference-time output control. Nó không fine-tune model, không thay đổi trọng số, chỉ thêm một lớp hướng dẫn chặt chẽ lên trên requests. 10 quy tắc được thiết kế dựa trên nguyên lý tâm lý học nhận thức: giới hạn working memory (Miller’s Law), loại bỏ redundancy, ưu tiên action-oriented output. Điều đáng chú ý: các quy tắc này đi ngược lại thiết kế mặc định của Claude, vốn ưu tiên sự thân thiện và đầy đủ. Đây là một luận điểm phản trực giác: đôi khi “kém thân thiện” lại hiệu quả hơn trong các tác vụ kỹ thuật. Từ góc nhìn của tôi, đây là ví dụ điển hình về cách Prompt Engineering có thể thay đổi hoàn toàn trải nghiệm người dùng mà không cần cập nhật model. Giống như việc Optimistic Rollup và ZK Rollup khác nhau không phải ở công nghệ lõi mà ở cách chúng thuyết phục hệ sinh thái. Ở đây, sự khác biệt nằm ở khả năng ép model nói ít hơn.
Quan điểm phản biện: nhiều người cho rằng đây chỉ là một mẹo nhỏ, không đáng bàn. Nhưng tôi thấy đây là tín hiệu cho thấy các nền tảng AI đang thất bại trong việc đáp ứng nhu cầu thực tế của người dùng kỹ thuật. Sự phổ biến của plugin này (hơn 1100 sao trên GitHub) là lời chỉ trích mạnh mẽ dành cho Anthropic: Claude mặc định quá dài dòng. Nếu một bộ quy tắc 10 dòng có thể cải thiện hiệu suất rõ rệt, thì tại sao nó chưa được tích hợp sẵn? Từ kinh nghiệm audit code của tôi, tôi nhận thấy rằng các công cụ AI cho blockchain thường mắc sai lầm tương tự: chúng cố gắng tỏ ra thông minh bằng cách giải thích quá nhiều, trong khi người dùng chỉ muốn câu trả lời ngắn gọn. Đây là điểm mù của toàn bộ ngành.
Kết luận: hãy nhìn vào dòng chảy. Thanh khoản AI đang co lại, nhưng sự chú ý của nhà phát triển thì không. Một bộ Prompt Engineering tốt có thể tái định hình cách chúng ta làm việc với AI trong blockchain. Đừng hỏi liệu Claude có thông minh không, hãy hỏi liệu nó có nói đúng thứ bạn cần ngay lập tức không. Nếu không, hãy tự viết system prompt cho riêng mình. Như tôi vẫn nói: Layer 2 chưa thể cứu vãn ngay lập tức, nhưng một system prompt tốt thì có thể.
