Phát hành SLV v0.10.0 — từ CLI đến AI agent: triển khai và vận hành validator, RPC Solana bằng ngôn ngữ tự nhiên

ELSOUL LABO B.V. (Trụ sở: Amsterdam, Hà Lan; CEO: Fumitake Kawasaki) và Validators DAO đã phát hành SLV v0.10.0. Với bản phát hành này, việc thiết lập, vận hành validator và RPC Solana giờ đây có thể được thực hiện hoàn toàn qua hội thoại bằng ngôn ngữ tự nhiên, không cần kiến thức chuyên sâu về dòng lệnh.

Trước đây, việc thiết lập ban đầu một validator Solana đòi hỏi thành thạo CLI, chỉnh sửa file cấu hình thủ công và ghi nhớ quy trình — quá trình thường mất hàng giờ đến hàng ngày. Với SLV v0.10.0, quá trình triển khai được hoàn tất qua một cuộc hội thoại ngắn với AI agent. Bản phát hành này giúp hạ thấp rào cản tham gia mạng Solana ngay từ quy trình vận hành.

Đối với người bắt đầu vận hành validator Solana — Việc thiết lập validator vốn là công việc có độ phức tạp kỹ thuật cao. Chỉ một quyết định sai về thứ tự lệnh, giá trị cấu hình hoặc phiên bản có thể khiến node không thể tham gia mạng ổn định. Với SLV v0.10.0, AI agent xử lý chính xác những quyết định này: người dùng chỉ cần mô tả nhu cầu, agent sẽ tự động xây dựng các bước cần thiết, xin xác nhận rồi thực thi.

Đối với nhà vận hành validator hiện tại — Trong quá trình nâng cấp lên v3, Solana đang ở giai đoạn thường xuyên thay đổi phiên bản và rollback. Mỗi vòng đều cần nhiều thời gian xác minh và thực hiện quy trình. SLV v0.10.0 cho phép hoàn tất nâng cấp, hạ cấp, khởi động lại và chuyển identity—những tác vụ vận hành hằng ngày—qua hội thoại ngôn ngữ tự nhiên.

Đối với toàn hệ sinh thái Solana — Chất lượng mạng phụ thuộc trực tiếp vào chất lượng vận hành của từng validator. Rào cản gia nhập cao hạn chế sự đa dạng của đội ngũ nhà vận hành, từ đó hạn chế mức độ phi tập trung và khả năng chống chịu của mạng. Hạ rào cản nhưng vẫn giữ chất lượng vận hành là điều thiết yếu cho sự phát triển lành mạnh của Solana.

Trước đây SLV được cung cấp dưới dạng CLI. Trong v0.10.0, nền tảng CLI vẫn được giữ nguyên và có thêm một lớp mới để AI agent thực hiện thao tác chính xác.

Bạn: Triển khai validator Jito mainnet trên 203.0.113.10
Agent: Tôi sẽ thiết lập validator Jito mainnet. Trước tiên, hãy cùng kiểm tra...

Bạn: Triển khai validator Jito mainnet trên 203.0.113.10
Agent: Tôi sẽ thiết lập validator Jito mainnet. Trước tiên, hãy cùng kiểm tra...

Nhà vận hành không còn phải ghi nhớ lệnh hoặc chỉnh sửa thủ công file cấu hình. AI agent chọn quy trình phù hợp, đề xuất giá trị cấu hình, kiểm chứng bằng dry run rồi mới chuyển sang thực thi.

Điều quan trọng là hệ thống này không phó mặc hoạt động vận hành Solana cho một AI đa dụng.

Chỉ sử dụng một AI đa dụng để tự động hóa validator Solana sẽ không mang lại kết quả ổn định. Vận hành validator có nhiều chi tiết khó ghi lại đầy đủ: điều kiện tiên quyết theo từng phiên bản, khác biệt cấu hình mạng và quyết định rollback khi xảy ra sự cố. Nếu AI hành động mà thiếu tri thức này, quy trình mơ hồ có thể được thực thi, làm giảm hiệu suất validator và chất lượng mạng.

AI Agent Skills trong SLV v0.10.0 hệ thống hóa tri thức thực tế tích lũy qua quá trình phát triển, vận hành SLV để AI agent có nguồn tham chiếu chính xác. Nội dung gồm ánh xạ đầy đủ giữa lệnh CLI và Ansible playbook, các phiên bản khuyến nghị, phương pháp vận hành an toàn cùng những lỗi thường gặp.

Vì vận hành validator đòi hỏi sự tin cậy, độ chính xác của nền tảng mà AI tham chiếu đặc biệt quan trọng. SLV cung cấp nền tảng đó.

SLV v0.10.0 giới thiệu ba AI Agent Skill:

slv-validator — Skill triển khai và quản lý validator mainnet và testnet, hỗ trợ cấu hình Jito, Agave và Firedancer.

slv-rpc — Skill dành riêng cho việc triển khai và quản lý node RPC, bao gồm cấu hình Standard, Index và Geyser gRPC.

slv-grpc-geyser — Skill triển khai và quản lý luồng Geyser gRPC, hỗ trợ Yellowstone và Richat.

Mỗi skill gồm SKILL.md chứa tri thức vận hành đầy đủ, AGENT.md định nghĩa luồng triển khai tương tác, script tự động cài đặt điều kiện tiên quyết và các file inventory mẫu.

Các skill được cấu thành từ Markdown và Ansible thuần, không phụ thuộc vào một AI agent cụ thể. Chúng hoạt động với OpenClaw, Claude Code, Codex, Cursor, Windsurf và các AI coding agent khác. Người dùng cũng có thể chạy trực tiếp Ansible playbook mà không cần AI agent.

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

v0.10.0 mở rộng đáng kể hỗ trợ Firedancer. Phiên bản này chính thức hỗ trợ hai loại validator firedancer-agave và firedancer-jito, với template cấu hình tham số hóa cho hugepages, cổng mạng và identity; quản lý dịch vụ qua firedancer.service; đồng thời dọn dẹp hugetlbfs trong quá trình triển khai Firedancer. Khi Firedancer thu hút sự chú ý với vai trò client validator thế hệ tiếp theo của Solana, hỗ trợ đầy đủ trong SLV giúp nhiều nhà vận hành áp dụng dễ dàng hơn.

Khi AI agent thực hiện thao tác, SLV luôn đề xuất dry run (chế độ --check) trước. Thay đổi được xem xét trước khi thực thi và nhà vận hành phải phê duyệt trước khi áp dụng.

AI agent có thể hoạt động khác nhau tùy theo prompt và chỉ dẫn. Các skill của SLV cung cấp nền tảng vận hành chính xác, nhưng trách nhiệm cuối cùng đối với quyết định thực thi và kết quả vẫn thuộc về nhà vận hành. Điều này không khác vận hành bằng CLI truyền thống: hình thức công cụ thay đổi, nhưng trách nhiệm vận hành cuối cùng vẫn thuộc về nhà vận hành.

ELSOUL LABO đã được phê duyệt theo WBSO (Wet Bevordering Speur- en Ontwikkelingswerk), chương trình hỗ trợ R&D của Chính phủ Hà Lan, trong năm năm liên tiếp kể từ 2022. Một trong các dự án được phê duyệt cho năm 2026 là “Nghiên cứu và phát triển tự động hóa việc bố trí validator và điều phối vận hành”; AI Agent Skills trong SLV v0.10.0 là kết quả triển khai trực tiếp từ chủ đề nghiên cứu này.

R&D của ELSOUL LABO không tách rời triển khai và vận hành thực tế. Giả thuyết nghiên cứu được chuyển thành giải pháp triển khai thực tế rồi kiểm chứng trước các ràng buộc vận hành; những vấn đề phát hiện được lại trở thành đầu vào cho vòng nghiên cứu tiếp theo. SLV v0.10.0 ra đời từ chu trình đó.

SLV sẽ tiếp tục nâng độ chính xác và mức tự động hóa thông qua tích hợp MCP (Model Context Protocol).

Vận hành validator bằng AI agent mới chỉ bắt đầu. Bản phát hành hiện tại đã cho phép thực hiện cả triển khai lẫn các tác vụ hằng ngày qua ngôn ngữ tự nhiên; tích hợp MCP sẽ mở ra khả năng tự động hóa nâng cao hơn. Ví dụ, failover tự động — một quy trình nhiều bước không được phép thất bại — có thể được AI agent thực hiện chính xác hơn thông qua MCP. Những hướng phát triển tiếp theo còn gồm việc ra quyết định dựa trên dữ liệu giám sát và điều phối tích hợp nhiều node để nâng độ tin cậy vận hành.

Điều SLV cung cấp là nền tảng đáng tin cậy cho quá trình tiến hóa này: không phải áp dụng AI một cách mơ hồ, mà là cộng tác với AI agent dựa trên tri thức vận hành chính xác. SLV sẽ tiếp tục phát triển như một nền tảng nâng cao chất lượng vận hành Solana một cách có hệ thống và tạo môi trường để mọi người tham gia với điều kiện như nhau.