เปิดตัว SLV v0.10.0 — จาก CLI สู่ AI Agent: ติดตั้งและดำเนินงาน Solana Validator กับ RPC ผ่านภาษาธรรมชาติ

ELSOUL LABO B.V. (สำนักงานใหญ่: อัมสเตอร์ดัม ประเทศเนเธอร์แลนด์; CEO: Fumitake Kawasaki) และ Validators DAO เปิดตัว SLV v0.10.0 โดยรีลีสนี้ช่วยให้การตั้งค่าและดำเนินงาน Solana Validator กับ RPC เสร็จสมบูรณ์ผ่านการสนทนาด้วยภาษาธรรมชาติได้ทั้งหมด โดยไม่ต้องมีความเชี่ยวชาญเฉพาะทางด้าน Command Line

ก่อนหน้านี้ การตั้งค่า Solana Validator ครั้งแรกต้องอาศัยความชำนาญในการใช้ CLI การแก้ไขไฟล์กำหนดค่าด้วยตนเอง และการจดจำขั้นตอนต่าง ๆ ซึ่งโดยทั่วไปใช้เวลาหลายชั่วโมงไปจนถึงหลายวัน เมื่อใช้ SLV v0.10.0 การติดตั้งจะเสร็จสมบูรณ์ผ่านการสนทนาสั้น ๆ กับ AI Agent รีลีสนี้ช่วยลดอุปสรรคในการเข้าสู่เครือข่าย Solana ในเชิงโครงสร้าง

ใครได้รับประโยชน์และอย่างไร

สำหรับผู้ที่เริ่มต้น Solana Validator ใหม่ — โดยทั่วไป การตั้งค่า Solana Validator เป็นงานที่ต้องอาศัยความเชี่ยวชาญทางเทคนิคสูง ไม่ว่าจะเป็นคำสั่งใดที่ต้องใช้และตามลำดับใด ค่ากำหนดใดที่เหมาะสม หรือควรใช้เวอร์ชันใด การตัดสินใจผิดพลาดเพียงจุดเดียวก็อาจทำให้ไม่สามารถเข้าร่วมเครือข่ายได้อย่างมีเสถียรภาพ เมื่อใช้ SLV v0.10.0 AI Agent จะจัดการการตัดสินใจเหล่านี้อย่างแม่นยำ เพียงอธิบายสิ่งที่ต้องการ Agent จะรวบรวมขั้นตอนที่จำเป็นโดยอัตโนมัติ ยืนยันกับคุณ แล้วจึงดำเนินการ

สำหรับผู้ดำเนินงาน Validator ที่มีอยู่แล้ว — ปัจจุบัน Solana อยู่ในช่วงที่มีการเปลี่ยนเวอร์ชันและ Rollback บ่อยครั้งระหว่างการอัปเกรดเครือข่ายไปสู่ v3 ภาระด้านการดำเนินงานจึงสูงมาก เพราะแต่ละรอบต้องใช้เวลาตรวจสอบและดำเนินการตามขั้นตอน SLV v0.10.0 ช่วยให้งานประจำวัน เช่น การอัปเกรด ดาวน์เกรด รีสตาร์ต และสลับ Identity เสร็จสมบูรณ์ผ่านการสนทนาด้วยภาษาธรรมชาติได้ทั้งหมด

สำหรับระบบนิเวศ Solana โดยรวม — คุณภาพของเครือข่าย Solana ขึ้นอยู่โดยตรงกับคุณภาพการดำเนินงานของ Validator แต่ละราย เมื่ออุปสรรคในการเข้าร่วมยังสูง ความหลากหลายของผู้ดำเนินงานย่อมถูกจำกัด และเป็นข้อจำกัดต่อการกระจายศูนย์กับความยืดหยุ่นของเครือข่ายโดยรวม การลดอุปสรรคในการเข้าร่วมพร้อมรักษาคุณภาพการดำเนินงานจึงจำเป็นต่อการเติบโตอย่างแข็งแรงของระบบนิเวศ Solana

จาก CLI สู่ AI Agent — สิ่งที่เปลี่ยนไปในทางเทคนิค

ที่ผ่านมา SLV ให้บริการในรูปแบบเครื่องมือ CLI สำหรับ v0.10.0 รากฐาน CLI ดังกล่าวยังคงถูกรักษาไว้ทั้งหมด พร้อมเพิ่มชั้นใหม่ที่ช่วยให้ AI Agent ใช้งานได้อย่างแม่นยำ

text

You: Deploy a mainnet Jito validator on 203.0.113.10
Agent: I'll set up a mainnet Jito validator. Let me walk you through...

You: Deploy a mainnet Jito validator on 203.0.113.10
Agent: I'll set up a mainnet Jito validator. Let me walk you through...

ผู้ดำเนินงานไม่ต้องจดจำคำสั่งหรือแก้ไขไฟล์กำหนดค่าด้วยตนเองอีกต่อไป AI Agent จะเลือกขั้นตอนที่เหมาะสม เสนอค่ากำหนด ตรวจสอบด้วย Dry Run แล้วจึงเข้าสู่การดำเนินการ

ประเด็นสำคัญคือ นี่ไม่ใช่ระบบที่มอบการดำเนินงาน Solana ให้กับ AI ทั่วไป

เหตุใดสิ่งนี้จึงทำได้เฉพาะด้วย AI Agent Skills ของ SLV

การพยายามทำให้การดำเนินงาน Solana Validator เป็นระบบอัตโนมัติด้วย AI ทั่วไปเพียงอย่างเดียวไม่สามารถให้ผลลัพธ์ที่มีเสถียรภาพ การดำเนินงาน Validator มีรายละเอียดปลีกย่อยที่บันทึกเป็นเอกสารได้ยากจำนวนมาก ทั้งข้อกำหนดเบื้องต้นเฉพาะเวอร์ชัน ความแตกต่างของการกำหนดค่าเครือข่าย และการตัดสินใจ Rollback ระหว่างเกิด Incident เมื่อ AI ทำงานโดยไม่มีความรู้นี้ ขั้นตอนที่คลุมเครืออาจถูกนำไปดำเนินการ ทำให้เสี่ยงที่ประสิทธิภาพของ Validator และคุณภาพของเครือข่ายจะลดลง

AI Agent Skills ที่มีใน SLV v0.10.0 นำความรู้จากการดำเนินงานจริงซึ่งสะสมผ่านการพัฒนาและใช้งาน SLV มาจัดเป็นระบบในรูปแบบที่ AI Agent อ้างอิงได้อย่างแม่นยำ โดยครอบคลุมการเชื่อมโยงทั้งหมดระหว่างคำสั่ง CLI กับ Ansible Playbook เวอร์ชันที่แนะนำ แนวทางการดำเนินงานอย่างปลอดภัย และข้อผิดพลาดที่พบบ่อย

เนื่องจากการดำเนินงาน Validator ต้องอาศัยความไว้วางใจ ความแม่นยำของรากฐานที่ AI Agent อ้างอิงจึงสำคัญอย่างยิ่ง และ SLV เป็นผู้มอบรากฐานนั้น

3 Skills ที่พร้อมใช้งานจริง

SLV v0.10.0 เปิดตัว AI Agent Skills 3 รายการ:

slv-validator — Skill สำหรับติดตั้งและจัดการ Validator บน Mainnet และ Testnet รองรับการกำหนดค่า Jito, Agave และ Firedancer

slv-rpc — Skill เฉพาะทางสำหรับติดตั้งและจัดการโหนด RPC ครอบคลุมการกำหนดค่า Standard, Index และ Geyser gRPC

slv-grpc-geyser — Skill สำหรับติดตั้งและจัดการสตรีมมิง gRPC Geyser รองรับ Yellowstone และ Richat

แต่ละ Skill ประกอบด้วย SKILL.md ที่รวบรวมความรู้ด้านการดำเนินงานอย่างครบถ้วน, AGENT.md ที่กำหนดขั้นตอนการติดตั้งแบบโต้ตอบ, สคริปต์ติดตั้งข้อกำหนดเบื้องต้นอัตโนมัติ และไฟล์ Inventory ตัวอย่าง

Skills เหล่านี้ประกอบขึ้นจาก Markdown และ Ansible ธรรมดา โดยไม่ผูกติดกับ AI Agent ใดเป็นพิเศษ สามารถใช้งานร่วมกับ OpenClaw, Claude Code, Codex, Cursor, Windsurf และ AI Coding Agent อื่น ๆ ได้ รวมทั้งเรียกใช้ Ansible Playbook โดยตรงโดยไม่ต้องใช้ AI Agent ก็ได้

ClawHub Skills: https://clawhub.ai/skills?sort=downloads&q=slv

รองรับ Firedancer อย่างเต็มรูปแบบ

v0.10.0 ขยายการรองรับ Firedancer อย่างมาก โดยรองรับ Validator ประเภท firedancer-agave และ firedancer-jito อย่างเป็นทางการแล้ว พร้อม Config Template ที่กำหนดพารามิเตอร์ได้ (Hugepages, Port, Identity), การจัดการ Service ผ่าน firedancer.service และการล้าง hugetlbfs สำหรับการติดตั้ง Firedancer ขณะที่ Firedancer ได้รับความสนใจในฐานะ Validator Client รุ่นถัดไปของ Solana การรองรับเต็มรูปแบบจาก SLV ช่วยให้ผู้ดำเนินงานจำนวนมากขึ้นนำ Firedancer มาใช้ได้ง่ายขึ้น

ความปลอดภัยตั้งแต่การออกแบบ — เริ่มด้วย Dry Run

เมื่อ AI Agent ดำเนินงาน SLV จะเสนอให้ทำ Dry Run (โหมด --check) ก่อนเสมอ การเปลี่ยนแปลงจะได้รับการตรวจสอบก่อนดำเนินการ และผู้ดำเนินงานต้องอนุมัติก่อนนำสิ่งใดไปใช้

โปรดทราบว่า AI Agent มีพฤติกรรมแตกต่างกันตาม Prompt และคำสั่งที่ได้รับ แม้ Skills ของ SLV จะมอบรากฐานการดำเนินงานที่แม่นยำให้ AI Agent แต่ความรับผิดชอบสุดท้ายต่อการตัดสินใจดำเนินการและผลลัพธ์ยังคงอยู่กับผู้ดำเนินงาน ไม่ต่างจากการดำเนินงานด้วย CLI แบบเดิม รูปแบบของเครื่องมือเปลี่ยนไป แต่ผู้รับผิดชอบการดำเนินงานไม่ได้เปลี่ยน

ได้รับอนุมัติ WBSO ต่อเนื่อง 5 ปี — จุดที่งานวิจัยพบกับการนำไปใช้จริง

ELSOUL LABO ได้รับอนุมัติภายใต้ WBSO (Wet Bevordering Speur- en Ontwikkelingswerk) ซึ่งเป็นโครงการสนับสนุน R&D ของรัฐบาลเนเธอร์แลนด์ ต่อเนื่องเป็นเวลา 5 ปีนับตั้งแต่ปี 2022 หนึ่งในโครงการวิจัยที่ได้รับอนุมัติสำหรับปี 2026 คือ “การวิจัยและพัฒนาระบบอัตโนมัติสำหรับการติดตั้ง Validator และการประสานงานการดำเนินงาน” โดย AI Agent Skills ของ SLV v0.10.0 คือการนำหัวข้อวิจัยนี้ไปใช้จริงโดยตรง

งานวิจัยและพัฒนาของ ELSOUL LABO ไม่ได้แยกออกจากการนำไปใช้และการดำเนินงานจริง สมมติฐานการวิจัยก่อตัวเป็นการพัฒนา ได้รับการตรวจสอบภายใต้ข้อจำกัดในการดำเนินงาน และความท้าทายที่ค้นพบจะถูกนำกลับไปสู่วงจรการวิจัยครั้งถัดไป SLV v0.10.0 ถือกำเนิดจากวงจรนี้

สิ่งที่จะเกิดขึ้นต่อไป

SLV จะเดินหน้ายกระดับความแม่นยำและระบบอัตโนมัติขั้นสูงยิ่งขึ้นผ่านการเชื่อมต่อกับ MCP (Model Context Protocol)

การดำเนินงาน Validator ที่ขับเคลื่อนด้วย AI Agent เพิ่งเริ่มต้นเท่านั้น แม้รีลีสปัจจุบันจะช่วยให้ตั้งแต่การติดตั้งไปจนถึงการดำเนินงานประจำวันเสร็จสมบูรณ์ผ่านภาษาธรรมชาติได้แล้ว แต่การเชื่อมต่อ MCP จะปลดล็อกระบบอัตโนมัติที่ล้ำหน้ายิ่งขึ้น ตัวอย่างเช่น Automated Failover ซึ่งเป็นขั้นตอนซับซ้อนหลายขั้นที่ไม่อาจยอมให้เกิดความผิดพลาด สามารถดำเนินการโดย AI Agent ผ่าน MCP ได้อย่างแม่นยำยิ่งขึ้น ในอนาคตยังมีการตัดสินใจจากข้อมูล Monitoring การประสานงานแบบบูรณาการระหว่างหลายโหนด และความสามารถอื่น ๆ ที่จะยกระดับความน่าเชื่อถือของการดำเนินงานให้สูงขึ้นอีก

สิ่งที่ SLV มอบให้คือรากฐานที่เชื่อถือได้เพื่อรองรับวิวัฒนาการนี้ ไม่ใช่การนำ AI มาใช้อย่างคลุมเครือ แต่เป็นการทำงานร่วมกับ AI Agent ที่มีความรู้ด้านการดำเนินงานอันแม่นยำรองรับ SLV จะเดินหน้าพัฒนาในฐานะรากฐานที่สนับสนุนคุณภาพการดำเนินงานของ Solana ในเชิงโครงสร้าง และสร้างสภาพแวดล้อมที่ทุกคนเข้าร่วมได้ภายใต้เงื่อนไขเดียวกัน