AI 如何改變以太坊開發：從引導學習到合約安全

值得記下的 5 件事

1. [9:42]
   開發變快，不代表產品自然有用

   當 AI 降低原型製作門檻，難題便轉向產品判斷與如何觸及使用者。Griffith 主張把產品交到人們手上，以是否有人實際使用檢驗效用；生成大量資料或做出複雜儀表板，都不能取代真正的使用需求。

2. [10:37]
   代理可以帶著做，也應沿途追問理解

   Speedrun Ethereum 的新學習方式，是讓代理掌握挑戰內容，再透過提問引導學員思考。重點不只是快速取得程式碼，而是在實作中理解以太坊能建置哪些應用、機制與智慧合約如何運作，以及有哪些常見陷阱。

3. [12:05]
   技能檔不是越長越好，而是要補足模型真正缺少的知識

   ETH Skills 的評估從觀察代理做出的作品，進一步轉向檢驗補充知識是否必要。Griffith 認為，重複模型已知的內容只會干擾上下文，因此團隊持續測試未加入技能檔的模型，篩選真正需要保留的資訊。

4. [17:48]
   代理的安全邊界不能只靠文字要求

   對於私鑰等敏感資訊，Griffith 認為，即使在技能檔中明訂不得洩漏，也無法保證模型遵守。他主張，對於絕不能讓代理執行的行為，應以區塊鏈與密碼學建立限制，讓安全取決於系統允許的能力，而非代理是否聽話。

5. [19:28]
   代理能寫合約，不等於可以省略安全驗證

   Griffith 認為目前仍處於過渡期，委託代理撰寫承載資金的智慧合約仍須大量稽核，並搭配形式驗證、測試與自動化檢查。他預期未來可能需要由代理撰寫合約才能確保安全，但也明確表示，目前尚未到那個階段。