Tuần trước, tôi nhận được một tệp phân tích dài 9 trang. Nó được gọi là 'bài báo tin tức blockchain'. Nhưng khi đọc xong, tôi chỉ thấy các ô trống. Mọi trường đều là 'N/A - không đủ thông tin'. Cả một hệ thống phân tích chín chiều, nhưng không một chữ nào có nội dung.
Đây không phải lỗi của công cụ AI. Đây là triệu chứng của một căn bệnh lớn hơn trong ngành của chúng ta: chúng ta đang tạo ra các khuôn khổ phân tích đẹp đẽ, nhưng quên mất rằng đầu vào mới là thứ quyết định tất cả. Một mô hình đánh giá rủi ro 50 trang với đầu vào rỗng vẫn chỉ là giấy lộn.
Context: Nỗi ám ảnh về khuôn khổ
Trong 18 năm làm việc với blockchain, tôi đã thấy vô số dự án xây dựng hệ thống phân tích 'hoàn hảo' — đầy đủ ma trận, biểu đồ, trọng số. Nhưng khi đào sâu vào dữ liệu thực tế, họ lại dùng các con số ước lượng, hoặc tệ hơn, sao chép từ whitepaper của đối thủ. Cùng một bệnh: coi trọng hình thức hơn bản chất.
Câu chuyện này nhắc tôi về một audit năm 2019. Dự án yêu cầu tôi ký vào báo cáo mẫu có sẵn của họ — 12 mục đánh giá với thang điểm A-F. Họ đã điền sẵn điểm 'A' cho tất cả. Khi tôi từ chối, họ nói: 'Nhưng các nhà đầu tư chỉ nhìn vào bảng điểm thôi.' Tôi đã audit thực tế mã nguồn và tìm thấy 3 lỗ hổng reentrancy. Điểm 'A' của họ suýt gây ra thảm họa.
Core: Phân tích từ mã nguồn — khác biệt giữa khung và thịt
Hãy để tôi chỉ cho bạn cách một phân tích thực sự nên bắt đầu. Thay vì tạo khung 9 chiều trước, tôi bắt đầu bằng một câu hỏi duy nhất: Có điều gì bất thường trong dữ liệu không?
Ví dụ, tuần này tôi audit một giao thức lending nhỏ trên Base. Mã nguồn 420 dòng, có vẻ đơn giản. Nhưng hàm calculateInterest() có một dòng kỳ lạ: