作者:Marshal Orange, PermaDAO
Trong thời đại "ai cũng là người quản lý sản phẩm" như hiện nay, ai cũng có cảm hứng và sự sáng tạo bất tận, nhưng họ thường bị giới hạn bởi bất kỳ ngưỡng nào trong con đường triển khai công nghệ hay sản phẩm và không có khả năng và can đảm để tham gia, đó cũng là tình huống của nhiều người tôi đã hỏi và học ở PermaDAO khi Arweave tổ chức hackathon, nhưng hackathon không phải là bằng sáng chế của một vài người, mà là một sự kiện quốc gia.
Tôi nghĩ rằng quá trình của cuộc thi hackathon giống như một sự kiện UGC (nội dung do người dùng tạo) xung quanh công nghệ và đổi mới, và các thí sinh rõ ràng là "người sáng tạo nội dung" của các ứng dụng sinh thái blockchain, vì vậy chúng ta có thể tháo rời quy trình làm việc hoàn chỉnh của dự án hackathon không gì khác hơn là năm giai đoạn phát triển sản phẩm mà các nhà phát triển đã quen thuộc:
- Xác định vấn đề và giai đoạn lập kế hoạch
- Giai đoạn phân tích nhu cầu
- Nguyên mẫu sản phẩm và giai đoạn thiết kế phần mềm
- Giai đoạn phát triển phần mềm
- Giai đoạn kiểm thử phần mềm
Trên thực tế, điểm đau là làm thế nào để hạ thấp ngưỡng mà những người tham gia gặp phải trong năm giai đoạn phát triển sản phẩm trên, con người có thể sử dụng **AI như một công cụ năng suất ** để tham gia vào hackathon blockchain bằng cách kết hợp các yếu tố UGC hiện có của hackathon, để bất kỳ sự sáng tạo nào cũng có thể được chơi càng nhiều càng tốt, giống như **EverID sử dụng trừu tượng hóa tài khoản để hạ thấp ngưỡng cho người dùng sử dụng ví Web3 **, những điều này hạ thấp ngưỡng rõ ràng có thể thúc đẩy rất nhiều sự phát triển của ngành công nghiệp blockchain.
** Năm giai đoạn**
01 ** Định nghĩa và lập kế hoạch vấn đề **
Thông qua dữ liệu về phản hồi của người dùng sinh thái, mô hình AI có thể được sử dụng để tạo ra các câu hỏi đã thu hút nhiều sự chú ý hoặc có điểm đau thị trường, có giá trị và ý nghĩa hơn đối với hệ sinh thái. Adot sử dụng AI để tạo thẻ cho mỗi phân tích tình cảm DApp hàng đầu được phân tích cú pháp, dựa trên đó người dùng có thể tìm kiếm dữ liệu và lọc kết quả. Bằng cách phân tích các hành vi và nhu cầu của người dùng trên chuỗi hiện có, AI có thể giúp người dùng xác định các vấn đề tiềm ẩn và đưa ra các đề xuất về cách giải quyết chúng, cho phép họ xác định rõ hơn phạm vi của dự án.
02 Phân tích nhu cầu
Khai thác dữ liệu: Blockchain hackathons thường liên quan đến việc lưu trữ và phân tích một lượng lớn dữ liệu, sử dụng GraphQL dựa trên Arweave để cho phép truy vấn và thao tác dữ liệu vĩnh viễn trên chuỗi Arweave theo thời gian thực, kết hợp với AI để đẩy nhanh quá trình xử lý và phân tích dữ liệu, có thể giúp xác định các mẫu, xu hướng và các vấn đề tiềm ẩn và cung cấp cho người tham gia các đề xuất về cách tối ưu hóa các ứng dụng blockchain. AI có thể phân tích dữ liệu và hành vi của người dùng, chẳng hạn như đối sánh trường hợp lịch sử và có thể xác định xu hướng và mô hình trong nhu cầu trong tương lai để giúp các nhóm tham gia hiểu rõ hơn về nhu cầu của người dùng.
Xác thực yêu cầu tự động: AI có thể tự động xác minh rằng các yêu cầu là đầy đủ, nhất quán và có thể kiểm chứng được (nhưng hiếm khi được sử dụng trong một cuộc thi hackathon thiêu đốt thời gian). Nó có thể xác định các xung đột tiềm ẩn trong các yêu cầu, làm giảm nỗ lực sửa chữa sau này.
**03 ** ** Nguyên mẫu sản phẩm &; Thiết kế phần mềm **
Tự động tạo nguyên mẫu: Sử dụng AI tạo hình ảnh như Midjourney để tạo nguyên mẫu giao diện ban đầu, giúp người quản lý sản phẩm tiết kiệm rất nhiều thời gian. Điều này có thể giúp các nhóm xác thực các khái niệm nhanh hơn và lặp lại nhanh chóng.
Cung cấp các đề xuất thiết kế: AI có thể cung cấp các đề xuất về thiết kế giao diện người dùng, bố cục và khả năng sử dụng để cải thiện trải nghiệm người dùng về sản phẩm của bạn.
04 ** Phát triển phần mềm**
Những người không chuyên về kỹ thuật có thể bù đắp những thiếu sót phát triển bằng AI, có thể tạo ra mã một phần hoặc toàn bộ để tăng tốc quá trình phát triển. Nó đặc biệt hữu ích cho việc phát triển một số mô-đun cụ thể như kế thừa, ghi đè, quá tải, v.v., điều này sẽ cải thiện đáng kể hiệu quả hoạt động của chương trình. AI cũng có thể phát hiện các lỗi, lỗ hổng và vấn đề bảo mật tiềm ẩn trong mã của bạn, cải thiện chất lượng mã.
05 Kiểm thử phần mềm
Tận dụng AI để phân tích mã và chức năng của ứng dụng, các công cụ kiểm tra tự động do AI điều khiển có thể thực hiện kiểm thử trên quy mô lớn, bao gồm nhiều trường hợp sử dụng khác nhau và tự động phát hiện và báo cáo sự cố.
Thêm vào đó, các dự án hackathon blockchain thường yêu cầu tài liệu và thuyết trình, và AI có thể tự động tạo các tài liệu kỹ thuật, PPT và báo cáo thử nghiệm, giảm gánh nặng viết tài liệu cho người tham gia. Và đôi khi các nhóm hackathon cần thành lập các nhóm một cách tự do và AI có thể được sử dụng để phân tích các kỹ năng, sở thích và kinh nghiệm dự án của từng thành viên trong nhóm và cung cấp cho họ các đề xuất để giới thiệu đồng đội để thúc đẩy tinh thần đồng đội tốt hơn.
![]()
AI cho phép mọi người trở thành nhóm phát triển sản phẩm, ngay cả khi họ không có kinh nghiệm phát triển. AI có thể hỗ trợ các nhóm tham gia theo nhiều cách khác nhau, từ xây dựng vấn đề đến phát triển giải pháp và tài liệu, và AI không chỉ là sự thay đổi về công nghệ cho Web3, mà còn là sự thay đổi trong quan hệ sản xuất, đồng thời, Web3 cũng có tác động sâu sắc đến lĩnh vực AI. Quyền riêng tư, không tin cậy và phân cấp của Web3, cũng như xác nhận quyền sở hữu dữ liệu và tài sản, và nền kinh tế mã thông báo, có thể mang lại những thay đổi lớn cho cơ sở hạ tầng AI, để ba yếu tố quan trọng nhất của cơ sở hạ tầng, dữ liệu, mô hình và sức mạnh tính toán AI, có thể được tối ưu hóa cho phù hợp.
Trong thời đại của các mô hình lớn, dữ liệu quyết định chiều cao của AI. Lấy lưu trữ phi tập trung làm ví dụ, lợi thế tự nhiên của blockchain là các giao dịch trên chuỗi về cơ bản là dữ liệu có cấu trúc và Arweave cũng nhận ra việc lưu trữ dữ liệu vĩnh viễn, vì vậy blockchain cung cấp cho AI dữ liệu lớn và chất lượng cao, giúp mô hình lớn AI của nó xử lý dữ liệu hiệu quả hơn và cung cấp giải pháp cho sự đột phá của nút cổ chai của các mô hình lớn đa phương thức. Đồng thời, nền tảng điện toán phi tập trung có thể giảm đáng kể chi phí sức mạnh tính toán ở phía người dùng (so với nền tảng điện toán tập trung), và cũng tránh được sự độc quyền về sức mạnh tính toán của các công ty tập trung. Web3 và AI đan xen với nhau để định hình tương lai của nền kinh tế kỹ thuật số.
