Lợi nhuận:
- Có thể sử dụng trí tuệ nhân tạo một cách an toàn trong việc sản xuất sách trắng, NatSpec, dịch thuật đơn giản về mặt kỹ thuật và tiết lộ rủi ro cũng như hiểu rằng đây là lĩnh vực hiệu quả nhất.
- Khả năng xác minh từng khiếu nại kỹ thuật bằng mã thực tế và loại bỏ ngôn ngữ cường điệu và bảo đảm để tránh nguy cơ tài liệu không chính xác
- Khả năng chấp nhận rủi ro một cách trung thực, cảnh báo 'không phải lời khuyên tài chính' và tính nhất quán của mã tài liệu
Tài liệu trong Web3 không phải là điều xa xỉ mà là vấn đề bảo mật và tin cậy. Bằng cách tương tác với hợp đồng thông minh, người dùng gặp rủi ro với số tiền thật của mình; Nếu anh ta không hiểu mình đang làm gì, anh ta sẽ dễ bị lừa dối. Kiểm toán viên không thể xem lại mã không được ghi chép đầy đủ một cách an toàn. Trong phần này, chúng tôi đề cập đến lĩnh vực mà AI đáng tin cậy và hiệu quả nhất: tài liệu và viết kỹ thuật. Từ báo cáo nghiên cứu chuyên sâu đến nhận xét trong mã, từ hướng dẫn sử dụng đến tiết lộ rủi ro, AI là một hệ số nhân thực sự ở đây — miễn là độ chính xác được giám sát một cách nhân đạo.
Các loại tài liệu Web3
- Whitepaper/litepaper: Tài liệu cơ bản mô tả tầm nhìn, cơ chế và token của dự án.
- Tài liệu kỹ thuật: Giao diện hợp đồng, hướng dẫn tích hợp cho nhà phát triển.
- NatSpec (Đặc tả ngôn ngữ tự nhiên Ethereum - Định dạng nhận xét trong mã tiêu chuẩn trong Solidity mô tả những chức năng thực hiện): Tài liệu được nhúng trong mã, được đọc bởi cả con người và công cụ.
- Hướng dẫn sử dụng: Văn bản đơn giản cho người dùng cuối biết "cách sử dụng, những rủi ro có thể xảy ra".
- Tuyên bố từ chối trách nhiệm: Cảnh báo bắt buộc về mặt pháp lý và đạo đức.
Một vấn đề chung với những loại này: các nhà phát triển không thích viết và thường để đến giây phút cuối cùng. AI lấp đầy chính xác khoảng trống này.
Tại sao tài liệu là lĩnh vực an toàn nhất của AI
Chi phí sai sót trong tài liệu thấp hơn so với kiểm toán: một câu sai được sửa, tiền không bay (trực tiếp). Ngoài ra, AI rất mạnh trong việc sản xuất ngôn ngữ. Vì vậy, AI ở đây vừa hiệu quả vừa tương đối an toàn. Nhưng vẫn còn hai rủi ro nghiêm trọng:
- Tuyên bố sai về mặt kỹ thuật: AI có thể trình bày sai chức năng của mã; Điều này đánh lừa người dùng và có thể trở thành một lỗ hổng bảo mật (trừ khi có ghi "chức năng này bảo vệ tiền của bạn" còn thực tế thì không).
- Ngôn ngữ cường điệu/tiếp thị: AI có thể tạo ra ngôn ngữ khiến dự án có vẻ an toàn hoặc có lợi nhuận; Đây vừa là vấn đề đạo đức vừa là vấn đề pháp lý.
Thận trọng: Tài liệu mô tả mã; Bản thân nó không phải là mã. Mọi xác nhận kỹ thuật mà AI viết ("điều này xảy ra", "điều đó duy trì") phải được xác minh dựa trên mã thực tế. Tài liệu không chính xác có thể nguy hiểm hơn mã đúng vì người dùng tin tưởng vào tài liệu.
Các lớp sử dụng AI trong tài liệu
1. Thế hệ NatSpec. AI đọc một hàm hiện có và phác thảo cách diễn giải NatSpec: nó làm gì, tham số của nó là gì, nó trả về kết quả gì. Điều này giúp đơn giản hóa việc kiểm tra và bảo trì.
2. Bản dịch kỹ thuật đơn giản. AI dịch một cơ chế phức tạp sang ngôn ngữ mà người dùng cuối có thể hiểu được — một trong những nhu cầu lớn nhất của Web3.
3. Đề cương và cấu trúc của sách trắng. AI tạo ra khung và các phần của sách trắng; Độ chính xác của nội dung là của con người.
4. Đa ngôn ngữ và điều chỉnh trình độ. AI có thể tạo ra cùng một nội dung, cả kỹ thuật và đơn giản, bằng cả tiếng Thổ Nhĩ Kỳ và tiếng Anh.
Dấu nhắc yếu / Dấu nhắc mạnh
Dấu nhắc yếu:
Viết một bản cáo bạch cho dự án này.
AI tạo nên bản sao phóng đại, có thể sai và mang tính tiếp thị mà không biết cơ chế thực tế.
Lời nhắc mạnh mẽ:
Vai trò của bạn: Người viết kỹ thuật Web3. Dưới đây là cơ chế THỰC SỰ, token và mã của dự án. Viết bản nháp của báo cáo chính thức chỉ dựa trên thông tin này. Quy tắc:- Không phóng đại, KHÔNG sử dụng các cụm từ như “lợi nhuận được đảm bảo”, “hoàn toàn an toàn”, v.v.- Mỗi tuyên bố kỹ thuật đều dựa trên cơ chế tôi đưa ra; Không thêm thắt.- Thêm phần "Rủi ro" nêu rõ các rủi ro.- Thêm cảnh báo "Đây không phải là lời khuyên tài chính." Đánh dấu bất kỳ thông tin nào bạn không chắc chắn hoặc tôi không có là [ĐIỀN].
Bốn mẫu có thể sao chép
1) Tạo NatSpec:
Viết nhận xét NatSpec tiêu chuẩn cho hàm sau: @notice (làm gì, đơn giản), @dev (ghi chú kỹ thuật), @param và @return. Chỉ viết những gì mã THỰC SỰ làm được; Thêm hành vi không có trong mã. Gắn cờ hiệu ứng mà bạn không chắc chắn về nó.
2) Dịch kỹ thuật đơn giản:
Giải thích cơ chế này bằng tiếng Thổ Nhĩ Kỳ đơn giản mà người dùng mới làm quen với tiền điện tử có thể hiểu: nó làm gì, người dùng nên làm gì, có RỦI RO GÌ? cường điệu; không có sự đảm bảo về an ninh. Đừng che giấu rủi ro, hãy thể hiện chúng.
3) Phần rủi ro/cảnh báo:
Viết phần "Rủi ro và cảnh báo" trung thực cho dự án này: rủi ro hợp đồng thông minh, rủi ro thị trường, rủi ro thanh khoản, sự không chắc chắn về quy định, mất chìa khóa. Giải thích từng rủi ro bằng ngôn ngữ đơn giản. Đừng đánh giá thấp những rủi ro; kết thúc bằng "đây không phải là lời khuyên tài chính."
4) Kiểm tra tính nhất quán của mã tài liệu:
Dưới đây là một chức năng và tài liệu có sẵn của nó. Đánh dấu những nơi tài liệu mâu thuẫn hoặc bỏ qua hành vi THỰC TẾ của mã. Ra quyết định cuối cùng; Gửi nó để "xác minh nhà phát triển".
Ba trường hợp nhỏ (theo số lượng)
Trường hợp 1 - NatSpec tăng cường kiểm tra. Một nhóm gửi hợp đồng 25 chức năng để xem xét mà không có ý kiến; Kiểm toán viên yêu cầu thêm thời gian để hiểu logic. Nhóm đã tạo ra các bản nháp NatSpec bằng AI và xác nhận từng bản bằng mã; Thời gian chuẩn bị kiểm toán được rút ngắn gần 1 ngày. Bài học: tài liệu tốt giúp giảm chi phí kiểm toán.
Trường hợp 2 - Đã phát hiện được yêu cầu sai. Hướng dẫn sử dụng mà YZ đưa ra có ghi rằng “tiền của bạn có thể được rút bất cứ lúc nào”; trong khi hợp đồng có thời hạn 7 ngày. Đánh giá kỹ thuật đã phát hiện ra điều này. Nếu nó được xuất bản, người dùng sẽ bị nhầm lẫn và trở thành nạn nhân. Bài học: mọi khiếu nại kỹ thuật đều được xác nhận bằng mã.
Trường hợp 3 - Đã loại bỏ sự cường điệu. Trong bản dự thảo sách trắng đầu tiên, AI đã sử dụng các cụm từ như "lợi nhuận cao mà không gặp rủi ro". Nhóm đã loại bỏ những phần này và thêm phần rủi ro trung thực. Điều này bảo vệ dự án cả về mặt đạo đức và pháp lý. Bài học: Xu hướng tiếp thị của AI phải được kiểm tra
Gánh nặng đạo đức của tài liệu
Tài liệu Web3 được đọc trong bối cảnh người dùng đang mạo hiểm tiền của họ. Vì vậy:
- Trung thực: Không thể che giấu rủi ro và không thể thực hiện những lời hứa quá đáng.
- Độ chính xác: Tuyên bố kỹ thuật phải khớp với mã; "Tài liệu nói như vậy" không phải là một lời biện hộ mà là một sự xuyên tạc.
- Khả năng tiếp cận: Viết bằng ngôn ngữ mà người dùng thực sự hiểu là một biện pháp bảo mật; Một tài liệu không được hiểu là một lời mời lừa dối.
- Tuyên bố từ chối trách nhiệm: Cần phải nêu rõ rằng đó không phải là lời khuyên tài chính và sự không chắc chắn về quy định.
Mẹo: Kiểm tra tính trung thực của tài liệu Web3: "Nếu người dùng bỏ tiền ra để chỉ tin tưởng vào tài liệu này, liệu anh ta có cảm thấy bị lừa dối khi đối mặt với sự thật không?" Luôn để AI đánh dấu phần rủi ro chứ không chôn vùi nó ở phần cuối.
Những lỗi thường gặp
- Không xác nhận yêu cầu kỹ thuật bằng mã. Tài liệu sai sẽ gây hiểu lầm cho người dùng.
- Bỏ ngôn ngữ cường điệu/tiếp thị. Rủi ro đạo đức và pháp lý.
- Giảm thiểu hoặc che giấu rủi ro. Vi phạm lòng tin.
- In báo cáo trắng mà không đưa ra cơ chế thực sự cho AI. Nó tạo ra sự bịa đặt.
- Bỏ qua cảnh báo "không phải lời khuyên tài chính". Nghĩa vụ pháp lý.
- Không giữ tài liệu đồng bộ với mã. Khi mã thay đổi, tài liệu sẽ trở nên sai lệch.
Tóm lại
- Tài liệu là vấn đề bảo mật và tin cậy trong Web3; Đây là lĩnh vực hiệu quả nhất của AI.
- Chi phí cho sai sót tương đối thấp nhưng tuyên bố sai lệch về mặt kỹ thuật và phóng đại là những rủi ro nghiêm trọng.
- Mọi khiếu nại kỹ thuật phải được xác nhận bằng mã thực; Tài liệu không thay thế mã.
- Rủi ro phải được viết một cách trung thực và nổi bật; Ngôn ngữ cường điệu và bảo đảm nên được loại bỏ.
- “Đây không phải là lời khuyên tài chính” và cảnh báo pháp lý là bắt buộc.
Nhiệm vụ ứng dụng
Nhận chức năng hợp đồng thông minh. Cung cấp cho AI lời nhắc “Tạo NatSpec” và so sánh từng dòng diễn giải được tạo với hành vi thực tế của mã - có bất kỳ bất đồng nào không? Sau đó tạo ra "bản dịch đơn giản về mặt kỹ thuật" và "phần rủi ro/cảnh báo" cho cùng một chức năng. Tìm và sửa ít nhất một phát biểu của AI bị phóng đại hoặc mâu thuẫn với mã.
danh sách kiểm tra
- [ ] Tôi đã xác nhận mọi khiếu nại kỹ thuật bằng mã thực tế.
- [ ] Tôi đã loại bỏ những lời cường điệu/đảm bảo.
- [ ] Tôi đã viết ra những rủi ro một cách trung thực và nhấn mạnh chúng.
- [ ] Tôi đã trao cho AI cơ chế thực sự; Tôi không để anh ấy bù đắp.
- [ ] Tôi đã thêm cảnh báo "Đây không phải là lời khuyên tài chính."
- [ ] Tôi đã viết đầy đủ NatSpec cho phương tiện và điều khiển.
- [ ] Tôi đã lên kế hoạch giữ tài liệu đồng bộ với mã.