如果您一直在关注 Space 和 Time，那么您可能已经听说我们为 SQL 构建了第一个也是唯一的 ZK 证明。SQL 证明是一个令人难以置信的强大工具，它允许智能契约以经过加密验证的方式检索和处理 SQL 数据，这为区块链技术打开了大量新用例。但是，尽管 SQL 是一种功能强大且接近图灵完成的语言，但它并不能覆盖100% 的业务用例。例如，为了创建自定义业务逻辑，最终需要部署任意代码。Chainlink 为此构建了一个令人印象深刻的解决方案: Chainlink 函数。函数允许 Javascript 在 Chainlink 节点上冗余地运行，而 Chainlink 节点对输出达成一致。现在，智能契约可以使用 Proof of SQL 访问经过 ZK 验证的分析和数据处理，也可以使用函数访问快速运行的脚本。
但是还有另一类用例没有在 Web3中解决: 长时间运行的 Python 作业。使用 Space 和 Time 的业务和开发人员使用数据，而数据工程师使用 Python，所以我们知道我们需要解决两个问题。首先: 使用户能够利用 Python 从他们现有的数据库中提取数据，转换数据，并以尽可能最简单和最快的方式将数据加载到 Space 和 Time 中，而不需要实际编写代码。第二: 以加密保证的方式将 Python 作业连接到智能契约。空间和时间 Python 数据作业介绍，现在可以在空间和时间工作室的测试版中找到。
Python Data Jobs 加速了将数据从任何外链源获取到 Space 和 Time 的过程，而不需要编写代码。今年早些时候，Space and Time 发布了 AI SQL，这是一个基于 OpenAI 的服务，允许用户编写一个自然语言提示，比如“给我看看 Sui 上排名前5的钱包，按余额顺序排列最多的交易”，然后转换成一个 SQL 查询，并返回结果。我们很高兴与大家分享: Space and Time Studio 中的人工智能聊天机器人 Houston 现在可以用来生成简单的 ETL (提取、转换、加载)脚本，从 Web2数据库或 Web3分散存储平台中获取数据，准备好并加载到 Space and Time 中。Houston 创建了一个连接到 PostgreSQL 的脚本(例如，Snowflake 或 IPFS) ，理解数据库中的内容，转换它，用 SxT 创建表，然后一次从 PostgreSQL 加载一行到 SxT。正常情况下，数据库迁移是一项耗时、昂贵和繁琐的工作，需要 Python。现在，你可以用自然语言做到这一点，在一个通行证。
PythonDataJobs 还可以用来从 Space 和 Time 中获取数据，处理它，并将它发送到智能契约。Web3之所以还没有解决这个问题，是因为 Python 作业经常运行很长时间。例如，如果你有一个脚本来计算 BTC 在今年剩下的时间里保持在40000美元以上的可能性，那么这个脚本必须从市场中获取数据，处理它，然后用 Python 对它进行蒙特卡洛模拟，总共可能需要大约20秒。如果你要把结果和一个聪明的合同联系起来，你需要确保它是不被篡改的。基于共识的证明对于快速运行的脚本来说是完美的，但是对于运行那么长时间的脚本来说，它就不能很好地工作了。如果在30个节点上冗余地运行计算，那么节点1可能在18秒内完成任务，而节点5在25秒内完成，节点15在21秒内完成。需要一种新的架构。
在整个 PythonDataJobs 测试版中，Space 和 Time 正在研究一种解决方案，可以用 ZK 来实现这一点。今天，它依赖于乐观的安全性(有点像乐观的汇总)。当您在 SxT 中运行 Python 数据作业时，输入、输出和代码本身都被散列到一个主链中。脚本只运行一次，如果结果不是预期的，用户可以请求证明，SxT 通过加密技术证明运行了什么。我们没有使用冗余的计算和一致性来实时证明它，而是只运行一次并散列所有的元数据来创建一个防篡改的审计跟踪，以激励节点操作员不要篡改执行。我们很高兴能够分享更多关于 ZK 解决方案的信息，这个解决方案将增强 Python Data Jobs 的实时安全性。
只需告诉 Houston 您想要做什么迁移，让它访问源数据库，Houston 就可以使用已经构建好的针对 SQL 的提示框架来检索有关数据库的信息。如果你说，“编写一个 Python 脚本将我的雪花数据加载到 SxT 中”，Houston 会提示你访问并生成一个 Python 脚本查询雪花数据，获取数据，计算出模式，然后在一个 LLM 推理中将其复制到 SxT 中。
示例用例: Truflation 将数十个不同数据源(大宗商品、债券利率、住房等)中的大量实时通胀数据摄入存储器，然后构建聚合(通胀指数) ，通过神谕在链上公开。使用 Python Data Jobs，可以有效地处理这些大量数据并为聚合做好准备。
示例用例: dClimate 定期 ETLs 来自多个天气提要的天气数据并存储它。Python Data Jobs 可以通过自动提取和转换天气数据来简化这一过程。
想象一下，如果您的智能合同可以运行复杂的脱链计算，如根据不同的市场条件预测一枚硬币的未来表现，以一种防篡改的方式。Python Data Jobs 允许您将复杂的金融模型(比如用于预测价格变动或评估风险因素的模型)集成到具有乐观安全性的智能合同中。这使得 DeFi 协议能够利用更复杂的业务逻辑，而不仅仅是 Proof of SQL 所支持的。
示例用例: dYdX 执行连锁永久期权/期货定价的计算，因为它们需要历史定价输入数据和复杂的计算，而智能合同无法在连锁上执行这些计算。PythonDataJobs 允许以防篡改的方式完成这些计算。
示例用例: 3Commas 在一个集中的计算容器环境中执行针对 DeFi/CeFi 决策(交换、期货、 bot 交易等)的离链机器学习模型。PythonDataJobs 提供了一个 Web3原生的替代方案。
您可以开始使用 Space and Time Studio 上的 Houston 构建 Python Data Jobs。为了庆祝我们新产品的测试版发布，我们将向所有用户免费提供 Python Data Jobs，为期一个月。