区块链因其缓慢的性能和高计算成本而名声不佳，这一直是创新的障碍。第二层技术已经打破了这一障碍，提供了 100 倍的成本降低，同时保留了去中心化和信任。现在，这个领域已经为计算密集型活动准备好了土壤，为 AI 和区块链的融合铺平了道路。

智能区块链：双向街道

区块链 ← AI

区块链空间中糟糕的用户体验通常归因于其缺乏智能。然而，降低的计算成本为在链上集成机器学习算法铺平了道路，从而将 Dapps 从单纯的交易实体提升到智能接口。

从基础的链上算法到像 AIGC 这样的高级 AI 能力，Dapps 很快将与传统应用程序相媲美。这种集成将使 Dapps 能够理解用户的意图，自动化复杂任务，最终使整个链上体验流畅和高效。

AI ← 区块链

相反，区块链为 AI 带来了隐私和信任。零知识证明（ZK）和其他加密技术正在被用于确保数据收集、训练和推理的透明度。这将减轻公众对 AI 相关的不信任和隐私问题。

影响：解决我们最大的挑战

用户引导到 Web3 生态系统

AI 的集成可以显著提高区块链平台上的用户体验。AI 算法可以引导用户完成复杂任务，推荐相关的 Dapps，并在区块链世界中作为有效的副驾驶。由 AI 驱动的防火墙增强了智能合约，为新手和专家提供了更多安全性，使 Web3 世界更加可访问和安全。

AI 模型和数据的货币化

区块链提供了一个专注于 AI 模型、数据甚至由 AI 生成的内容的创作者经济的理想框架。像代币、NFTs 和去中心化市场这样的技术使这些高价值资产的安全交换成为可能。Giza、NFTPrompt 和 SingularityNET 等项目正在这个方向上开拓创新。

AI 运营中的成本效率

利用区块链的去中心化特性，AI 的训练和推理可以分布在多个节点上，大大降低成本。这类似于像 Filecoin 这样的去中心化存储解决方案，但用于计算任务。像 Gensyn、Together 和 Bittensor 这样的倡议正在利用去中心化网络进行成本效率高的 AI 操作。

在 AI 世界中推进隐私

像零知识机器学习（ZKML）和全同态加密（FHE）这样的技术可以集成到 AI 生命周期中，以确保数据隐私。这些技术允许加密数据输入、模型隐私甚至加密输出，从而解决了多种隐私问题。

DeFi 中的稳定性和透明度

AI 可以在去中心化金融（DeFi）中提供实时、透明和动态的风险管理。传统的风险算法要么过于简单，要么在离链执行时缺乏透明度。通过直接在链上集成 AI，像 Yearn 和 Compound 这样的协议可以在保持完全透明的同时利用复杂的算法进行风险管理。此外，我们还可以在链上引入更复杂的由 AI 驱动的策略。Modulus Labs 曾经做过这方面的演示。

游戏：下一个前沿

AI 有可能通过降低开发成本和提高游戏性来彻底改变链上游戏。AI 可以自动化游戏开发的各个方面，包括规划、声音设计和测试。此外，AI 可以为链上游戏带来动态和智能的环境，具有自动生成关卡和智能敌人等功能。像 GiroGiro 这样的项目正在这个领域中开创新局。

通过解决这些挑战，AI 和区块链的协同作用为创新开辟了新的视野，为投资和发展在这个交汇的生态系统中提供了有力的论据。

新的工业革命现在已经开始

这不仅仅是一个纯粹的推测性未来，而是一个在 10 到 20 年内逐渐展开的变革时代。AI 和区块链的集成已经在重塑行业，提升用户体验，并解决像隐私和信任这样的紧迫问题。

我们对 AI 和区块链之间这种协同关系的信念是坚定不移的。我们一直在关注这个领域的开创性公司，其影响潜力是巨大的。我们非常激动能够成为这个新的工业革命的一部分，一个能够改变、赋权并解决我们一些最重大挑战的革命。

AI 和区块链是两种具有完全不同特性的技术。AI 需要由集中式数据中心提供的大量计算能力。区块链提供去中心化的计算和隐私，但在大规模计算和大容量存储方面表现不佳。我们仍在探索将 AI 和区块链正确结合的方式。以下是 AI + 区块链项目的概览。

在这篇研究报告中，我们将主要关注 LLM 在加密领域的应用。由于其能够理解自然语言，LLM 是一项非常强大的技术，开发者主要从以下两个方向使用 LLM：

• 提供准确和最新的答案，覆盖大量的上下文数据

• 通过使用不同的代理/工具来完成特定任务

以下是构建一个用于回答用户问题的 LLM 应用的工程流程图。首先，相关的数据源被生成为嵌入并存储在向量数据库中。LLM 适配器使用用户查询和相似性搜索从向量数据库中找到相关上下文。相关的上下文被放入 Prompt 并发送到 LLM。LLM 将执行 Prompt，并使用其拥有的工具生成响应。有时，为了提高准确性和降低成本，LLM 会在特定数据集上进行调优。

LLM 应用工作流程大致可以分为三个主要阶段：

• 数据准备和嵌入：这个阶段涉及到保留机密信息（例如，项目备忘录）以便未来访问。通常，文件被分割，通过一个嵌入模型处理，然后保存在一种称为向量数据库的特定类型的数据库中。

• 提示符的制定和提取：当用户提交一个搜索请求（在这种情况下，是对项目信息的搜索），软件创建一个输入到语言模型的提示符序列。最终的提示符通常会融合软件开发者硬编码的提示符模板、称为少数样本（few-shot examples）的有效输出示例，从外部 API 获得的任何所需数据，以及从向量数据库中提取的相关文件。

• 提示符的执行和推断：在提示符确定后，它们被提供给一个预先存在的语言模型（LLM）进行推断，这可能包括专有模型 API 和开源或个别微调的模型。一些开发者也可能在这个点上加入操作系统，如日志记录、缓存和验证。

我们提出了 8 个潜在方向，LLM 可以在其中帮助区块链领域：

• 将内置的 AI/LLM 功能集成到区块链中

• 使用 LLM 分析交易记录

• 使用 LLM 识别潜在的机器人

• 使用 LLM 编写代码

• 使用 LLM 阅读代码

• 使用 LLM 协助社群

• 使用 LLM 跟踪市场

• 使用 LLM 分析项目

将 AI/LLM 功能内置到区块链中

**区块链将具有内置的 AI 功能和模型。**开发者可以通过区块链访问 AI 功能，以执行诸如分类、回归、文本补全和 AIGC 等标准的机器学习任务。开发者可以通过智能合约调用这些 AI 功能。

借助这些内置功能，开发者可以使他们的智能合约更加智能和自主。分类、回归和 AIGC 是典型的 AI 任务。让我们看看这些如何在区块链领域中被使用，以及一些示例项目。

分类

分类可以用于确定地址是机器人还是真人。这可以改变当前 NFT 销售的情况。分类还可以增加 DeFi 生态系统的安全性。DeFi 智能合约可以过滤恶意交易，以防止资金损失。

回归

回归活动可用于预测。它可以用于资金和财富管理。

Numer.ai 已经使用 AI 来帮助他们管理资金。Numer 提供高质量的股市数据。数据科学家在这些数据的基础上应用机器学习来预测股市。

AIGC

很多 NFT 项目都在试图构建一个 IP 宇宙。然而，他们有限的内容无法支撑一个宇宙。如果我们可以在链上使用 AIGC，AIGC 模型可以以相对较低的成本输出无数的内容。这些生成的内容具有类似的标志性品牌风格。模型有可能输出文本、插图、音乐、人声或甚至音乐。这大大扩展了 IP 宇宙。社群参与者可以共同微调模型以符合他们的期望。微调过程也给社群带来了一种参与感。

Botto 已经使用 AIGC 模型生成艺术内容。社群通过投票选出他们最喜欢的图像，以共同微调 AIGC 模型。

如果我们把区块链当作数据库，我们也发现 Databend 将 AI 内置函数集成到他们的数据库中。他们提供如下功能：

• ai_embedding_vector：为文本文档生成嵌入。

• ai_text_completion：基于给定的提示生成文本补全。

• cosine_distance：计算两个嵌入之间的余弦距离。

• ai_to_sql：将自然语言指令转换为 SQL 查询。

开发者可以将这个功能应用到他们的 SQL 查询中。例如，支持以下查询：

USE <your-database>;
SELECT * FROM ai_to_sql('<natural-language-instruction>'); 

为区块链提供 AI 能力

我们看到几个项目为区块链提供 AI 功能。

Giza 正在从事 ZKML 方面的工作。它在链下生成推断证明，并在链上进行验证。目前支持与 EVM 兼容的链和 StarkNet。Giza 最近宣布了与 Yearn.finance 的合作伙伴关系。Yearn 将使用 Giza 的 AI 功能来提高其风险评估。

Modulus Labs 也在进行类似的工作。他们更多地致力于改进证明系统，以生成高性能的 AI 电路。他们发布了像棋类 AI 和 ETH 价格预测 AI 这样的演示。他们的新演示 zkMon 是世界上第一个使用零知识证明的生成对抗网络（GAN）NFT 收藏品。

使用 LLM 分析交易记录

通常，交易记录的分析是由特定的应用程序完成的，比如 Debank。人工分析交易记录是很困难的，这涉及数据收集、数据清洗和数据分析。用户需要有编码的能力。有了 LLM，我们现在有了一种新的方法。LLM 能够分析并可视化数据。因此，有了 LLM，我们可以根据自定义需求分析链上数据。 我们可以分析胜率、性能比率或任何我们想了解的信息。

RSS3 开发了一个名为 Web3 User Activity 的 ChatGPT 插件以追求这一方向。用户可以输入钱包地址、ENS 或 Lens 来查找链上活动。该插件会以人类可读的方式输出交易。然而，它无法执行像“有多少 Azuki 持有者”和“最热门的智能合约是什么”这样的复杂查询。用户还应注意插件提供的地址和标签的准确性。

DeFiLlama 也发布了一个 ChatGPT 插件。用户可以使用自然语言查询 DeFiLlama 上可用的任何数据。它还可以执行简单的过滤和排序操作。

Dune 也正在将 GPT 集成到其产品中。Dune 计划了以下功能：

• 查询解释：使用 LLM 来解释查询

• 查询翻译：使用 LLM 将其他 SQL 语言翻译成 DuneSQL

• 自然语言查询：用户可以使用自然语言编写查询

• 搜索：使用 LLM 改进搜索结果

• 知识库向导：一个用于与文档聊天的聊天机器人

除了分析链上数据，Dune 还将 LLM 集成到其他功能中，这些我们稍后将讨论。

与 Dune 类似，Space and Time 也在致力于使用 OpenAI 将自然语言翻译成 SQL。

区块链数据是高度结构化的数据。使用自然语言直接查询数据库可能无法输出准确的结果。更好的方法是将自然语言转换成 SQL，然后执行相应的 SQL 查询。

使用 LLM 提升安全性

由于 LLM 具有逻辑和推理能力，它可以用于过滤一些恶意交易。它充当智能合约的防火墙。以下是一个特定的例子，用于阻止机器人活动。

在输入地址后，LLM 可以通过第三方插件获取所有交易数据。然后 LLM 分析这些交易记录，并输出该地址是机器人的可能性。这个功能可以插入到不欢迎机器人的 Dapps 中，比如 NFT 销售。

这里有一个通过 ChatGPT 的简单例子。ChatGPT 通过 RSS3 开发的 Web3 User Activity 插件检索账户交易记录。然后 ChatGPT 分析这些交易记录，并输出账户是机器人的可能性。

如果我们输入更多的交易记录并在与机器人相关的数据集上微调 LLM，我们可以获得更准确的结果。以下是此类应用的一个示例工作流程。我们还可以添加缓存和数据库层以提高响应速度和降低成本。

使用 LLM 编写代码

LLM 在开发中得到了广泛应用，帮助开发者更快、更好地编写代码。根据开发者的指令，LLM 可以为他们生成代码。目前，开发者仍需要为 LLM 提供详细的指令。对 LLM 来说，自动为开发者生成整个项目还是比较困难的。

一些用于代码的流行 LLM 模型包括 StarCoder、StarCoder+、Code T5、LTM、DIDACT、WizardCoder、FalCoder-7B、MPT30B。

它们都可以用于编写智能合约，但可能没有针对智能合约数据进行特别训练。因此，还有改进的空间。

目前，HuggingFace 上只有一个与智能合约相关的数据集，即 slither audited smart contracts。它包含 113k 个智能合约，可以用于文本分类、文本生成和漏洞检测。

相比于 AI 辅助系统，自动代码生成更具潜力。由于智能合约相对较短且简单，自动代码生成特别适用于智能合约。在区块链领域，LLM 可以通过几种方式帮助开发者自动编写代码：

• 编写测试

• 编写辅助脚本

• 自动 Fork

• 全自动生成代码

测试

首先，LLM 可以为编写良好的智能合约生成测试用例。已经有像 Codium 这样的项目可以自动为编写好的项目生成测试。Codium 目前支持 JS 和 TS。Codium 首先会理解代码库，并分析每个函数、文档字符串和注释。Codium 会将代码分析以注释的形式写回文件，并输出一个测试计划。用户可以选择他们喜欢的测试，Codium 将生成选定的测试。

类似地，LLM 可以用于区块链项目，特别是智能合约。通过分析合约代码和相关文档，LLM 可以生成针对特定功能或安全性需求的测试用例。这不仅提高了测试的全面性，还节省了手动编写测试用例所需的时间和努力。

其他 AI 软件也支持为选定的函数生成测试用例。

我们也可以用 ChatGPT 来复现一样的功能。

LLM 对于每个令牌（token）都分配相同的计算能力，因此在复杂任务上可能会产生不准确的结果。基于这些特点，首先请求代码分析是有道理的。这样，LLM 将花费更多的令牌/时间在这些任务上，从而输出更高质量的结果。这种方法也被称为“思维链”（Chain of Thoughts）。

为了使其适用于更长的智能合约，我们需要一个具有更大上下文的 LLM 或者某种工程设计来保留内存。这样可以确保在处理更复杂或更长代码时仍能获得高质量的分析和生成结果。

生成辅助脚本

其次，我们可以使用 LLM 自动生成一些辅助脚本，比如部署脚本。

部署脚本可以减少手动部署过程中的潜在错误。这个想法与自动生成测试用例相当类似。

自动 Fork

在牛市中，有很多 Fork 项目。这些 Fork 项目团队只需从原始代码库中稍作修改。这将是 LLM 的一个很好的应用场景。LLM 可以根据团队的需求帮助开发者自动修改代码。通常只需要更改代码的特定部分，这对于 LLM 来说相对容易。

自动生成代码

如果我们再进一步呢？LLM 能否根据开发者的需求自动为他们生成智能合约？与用 JS、Rust 和 Python 编写的其他复杂软件相比，智能合约相对较短且简单。智能合约没有很多外部库，因此对 LLM 来说，弄清楚如何编写智能合约相对容易。

我们已经在自动代码生成方面看到了一些进展。GPT-engineer 是其中的先驱之一。用户需要满足其需求并解决 LLM 的任何困惑。然后它开始编码。代码还包括一个可以运行整个项目的脚本。GPT-engineer 可以自动为开发者启动项目。

用户输入他们的需求，GPT-engineer 将分析需求并要求一些澄清。收集所有必要信息后，GPT-engineer 首先输出程序的设计。这包括完成此任务所需的核心类、函数和方法。然后 GPT-engineer 将为每个文件生成代码。

通过这样的 Prompt，我们可以生成一个计数器智能合约。

智能合约可以通过编译并按预期工作。这意味着通过使用 LLM 或类似的自动代码生成工具，开发者可以更快地从概念阶段转向实施阶段，同时减少因手动编码错误而导致的潜在风险。这在快速发展和高度竞争的区块链领域中尤为重要。

因为 GPT-engineer 最初是为 Python 设计的，在生成与 Hardhat 相关的代码时存在一些问题。GPT-engineer 不知道 Hardhat 的最新版本，有时会生成过时的测试和部署脚本。

如果我们的代码有错误怎么办？我们可以将代码库和控制台错误日志提供给 LLM。LLM 可以不断修改代码，直到代码能成功运行。我们看到像 flo 这样的项目在这个方向上进行工作。目前，flo 只支持 JS。

如果我们想提高智能合约生成的准确性，我们可以通过一些新的提示来改进 GPT-engineer。我们可以采用测试驱动的开发，并要求 LLM 确保程序通过某些测试，这样我们可以更好地约束生成的程序。

使用 LLM 阅读代码

由于 LLM 能很好地理解代码，我们可以使用 LLM 编写开发者文档。LLM 也可以跟踪代码更改以更新文档。我们在上次的研究 深入分析 ZKRUs 上的开发者体验 的结尾讨论了这种方法。

阅读文档是传统的方式。与代码聊天是一种新方法。用户可以询问有关代码的任何问题，LLM 将回答用户的问题。LLM 可以为开发者解释代码，帮助他们快速理解链上的智能合约。LLM 也可以帮助没有代码经验的人理解智能合约。

我们已经在 Web2 世界中看到了这种趋势。许多副驾驶工具都具有代码解释功能。

Etherscan 也展示了其新功能，用户可以利用 LLM 的能力与代码进行聊天。

考虑到理解代码的能力，那么审计呢？ 在论文 你还需要手动智能合约审计吗？ 的实验中，LLM 在识别漏洞方面达到了 40% 的命中率，超过了随机基线。然而，它们也有较高的假阳性率。作者建议，合适的 Prompt 是关键。

除了提示外，限制也可能是以下原因：

• 当前的 LLM 并没有专门为这个目的进行训练。训练数据可能不涉及智能合约代码库和相应的审计报告。

• 通常最严重的漏洞是由不同函数组成的逻辑问题。目前的 LLM 受到令牌数量的限制。LLM 不能解决具有非常长上下文的问题，并提高逻辑能力。

这些问题并不难解决。大型审计公司拥有数千份可用于微调 LLM 的审计报告。具有大令牌限制的 LLM 正在推出。Claude 有 100k 的令牌限制，新发布的 LTM-1 有高达 500 万的令牌限制。通过解决这两个问题的努力相结合，我们可能会看到 LLM 更好地识别漏洞。LLM 可以协助审计师并加速审计过程。这可能会逐步发生。可能有一个发展轨迹：

1. 帮助审计师组织语言并格式化报告。这确保了在同一家审计公司下的语言一致性。不同的团队可能有不同的首选词。

2. 帮助审计师识别和验证潜在的漏洞。

3. 自动生成审计草案报告。

使用 LLM 帮助社群

治理是社群中的关键部分。社群成员有权为他们喜欢的提案投票。这些提案将塑造产品的未来。

对于重要的提案，有大量的背景信息和围绕这些提案的社群辩论。所有社群成员在投票前都很难了解这个背景。LLM 可以帮助社群成员快速了解他们选择的影响，并帮助他们投票。

另一个潜在的应用是 Q&A 机器人。我们已经看到基于项目文档的 Q&A 机器人。我们可以更进一步，建立一个更大的知识数据库。我们可以插入不同的媒体和来源，比如演示文稿、播客、Github、Discord 聊天和 Twitter Space。Q&A 机器人不仅会存在于文档搜索栏中，还可以出现在 Discord 上以立即支持社群成员，或者出现在 Twitter 上以传播项目的愿景并回答任何问题。

AwesomeQA 目前正在这个方向上工作。它实现了三个功能：

• 使用 ChatGPT 集成来回答社群成员的问题

• 基于他们的消息获取关于社群的数据驱动洞察，如 FAQ 分析

• 发现哪些消息是重要的，比如未解决的问题

当前 Q&A 机器人面临的难题是如何从向量数据库中准确地获取相关上下文，并将这些上下文提供给 LLM。例如，如果用户针对多个元素提出多个特性的筛选条件，机器人可能无法从向量数据库中检索到相关的上下文。

更新向量数据库是另一个问题。当前的解决方案是重建向量数据库或通过命名空间更新向量数据库。将命名空间附加到嵌入相当于给数据附加标签。这可以帮助开发者以后容易地找到并更新相应的嵌入。

解决这些问题需要一种更智能的检索和更新机制，可能涉及使用更先进的数据结构或算法，以便更有效地与 LLM 协作。这样，Q&A 机器人就能更准确地解答用户的复杂问题，同时也能更容易地进行内容更新和维护。

使用 LLM 跟踪市场

每天都有很多事情发生。市场变化多端，KOL 发布新观点和新思想。新闻简报和产品电子邮件涌入您的邮箱。LLM 可以为您筛选最重要的观点和新闻。它还可以总结内容以缩短您的阅读时间，并帮助您跟上市场节奏。

minmax.ai 正在关注新闻。他们提供了特定主题最近新闻的摘要，以及该主题的情感分析。

Boring reports 从新闻中去除了耸人听闻的内容，专注于基本细节，帮助读者做出正确的决策。

机器人咨询是最热门的领域之一。LLM 可以提升机器人咨询的使用率。基于股票信息作为上下文，LLM 可以提供交易建议并帮助用户管理他们的投资组合。

像 Numer.ai 这样的项目使用 AI 来预测市场并操作基金。也有由 LLM 管理的投资组合。用户可以在 Robinhood 上关注这些投资组合。

Composer 结合了交易算法与 AI。AI 根据用户的洞见构建特定的交易策略。然后 AI 会自动回测这些交易策略。如果用户对策略满意，Composer 可以自动为用户执行策略。

使用 LLM 分析项目

分析项目涉及阅读大量材料和编写长篇研究论文。LLM 可以读写短段落。如果我们能将其能力扩展到更长的段落，是否意味着 LLM 在某种程度上可以输出一些项目研究？很可能是的。**我们可以输入白皮书、文档或活动演示，让 LLM 分析项目和创始人。**由于令牌的限制，我们可以先编写论文的大纲。然后根据获取的来源更新每一节。

像 BabyAGI 这样的项目已经在这个方向上进行工作。下面是 BlockAGI（BabyAGI 的一个变种）的一个示例输出。

由于令牌限制和模型复杂性，这种方法可能需要多次迭代和人工验证。但随着模型的改进和更大的令牌限制，LLM 可能会成为一个非常有用的工具，用于快速生成项目分析和研究报告。这不仅可以加速研究过程，还可以提供更多角度和深度的分析。

LLM 也可以基于 Twitter 和公开演讲来分析创始人的个性。例如，Tweet 分析器获取最近的推文，并使用 LLM 来分析人物。这种分析可以提供关于创始人领导风格、沟通方式或者对项目方向的见解等方面的有用信息，进而帮助投资者或社群成员更全面地了解项目和团队。

总结

这里有 8 个具体方向，LLM 在不久的将来可以帮助区块链社群：

1. 将内置的 AI/LLM 功能整合到区块链中

2. 利用 LLM 分析交易记录

3. 采用 LLM 提升安全性

4. 使用 LLM 快速、安全地编写代码

5. 利用 LLM 阅读代码

6. 用 LLM 协助社群

7. 实施 LLM 跟踪市场

8. 应用 LLM 分析项目

LLM 可以惠及加密领域的所有成员，包括项目所有者、分析师和工程师。创始人可以使用 LLM 自动化文档和 Q&A 任务。工程师可以用 LLM 更快、更安全地编写代码。分析师可以更容易地研究项目。

从长远来看，我们也发现 LLM 在 GameFi 中有潜在的应用机会。LLM 可以生成更有趣的任务，并在游戏内扮演不同的角色。游戏世界将会感觉更真实、更有趣。

LLM 不仅可以整合到现有项目中，还为新入行者提供了机会。例如，在链上数据分析领域已有顶级参与者。Dune 可以整合 LLM 以提升用户体验。然而，LLM 也为新入行者创造了机会。这些新人可以将 LLM 置于产品设计的中心。

Web2 和 Web3 世界在 LLM 应用方面确实有一些共同的用例，但它们可能会以不同的方式实施产品。由于我们在 Web3 世界中使用的数据与 Web2 世界中的数据不同，LLM 的知识库在 Web2 和 Web3 中也可能有所不同。

由于 LLM 的兴起，我们看到 AIxBlockchain 越来越受欢迎。然而，许多 AIxBlockchain 在短期内并不实用。区块链和 ZK 不能提供大量的计算能力来训练和推断一些复杂的模型。小型模型没有足够的能力解决复杂任务。更实用的方法是 LLM 在区块链领域的应用。

LLM 社群正在努力提高令牌限制和响应准确性。区块链社群需要解决的是数据源和数据管道。经过清洗的数据可以用于微调 LLM，以提高区块链上下文下的准确性。数据管道可以将更多与区块链相关的应用整合到 LLM 中，并开发更多针对加密货币的代理。

Starknet 在 2022 年 11 月 29 日推出 Alpha Mainnet。

Scroll 在 2023 年 2 月 27 日推出 Goerli Alpha Testnet。

Taiko 在 2023 年 3 月 22 日推出 Alpha-2 Testnet，并于 2023 年 4 月 17 日结束。

zkSync 在 2023 年 3 月 24 日推出 zkSync Era Mainnet。

Polygon 在 2023 年 3 月 27 日推出 zkEVM Mainnet Beta。

在过去的几个月里，我们见证了各种 ZK Layer2 的重要发布，为智能合约部署提供了环境。测试网或主网的推出标志着区块链发展时间表中的一个关键阶段。

随着所有这些重要的发展为构建者在 ZK Rollup 上创造奠定了基础，现在是深入探讨每个 ZKRU 为开发者提供的独特体验的绝佳时机。本文旨在阐述这些不同 Layer2 解决方案的开发者体验，分析 EVM 兼容性和整体开发工作流程。

考虑到所有 ZK Rollup 都在推广他们的 EVM 等价物，我们将从 Solidity 工程师的角度开始探讨开发者体验。

本分析旨在不仅为每个 ZKRU 的当前开发者体验提供洞见，还鼓励这些 ZKRU 互相学习，共同推动 Layer2 生态的发展。

开发者体验

Github 代码开源现状

概述

开源在提升开发者体验方面发挥着至关重要的作用，主要可以帮助提升代码质量、安全和协作体验。开源代码使全球开发者能够发现并解决漏洞和安全漏洞，从而不断改进软件。

此外，开源软件作为一种宝贵的学习资源，让开发者通过研究各种编码风格、最新技术和行业最佳实践来拓展自己的技能。这种对知识的无限制访问显著丰富了开发者体验。

开源软件还可以帮助定制化，使开发者能够根据特定需求调整软件。这种适应性对于根据独特的业务需求或用户需求定制应用程序至关重要。

最后，开源通过多样化的社区促进了协作和创新，汇集了具有不同技能和专业知识的贡献者。这种集境有助于应对复杂挑战，推动项目发展，鼓励创新。

以下是主流 ZKRU Github 代码开源情况一览。

Starkware 拥有两个开源账户：StarkNet 和 StarkWare Libs，共有 47 个代码库。

Polygon 也有两个开源账户，Polygon 和 Polygon zkEVM。在其 Github 个人资料页面上，它显示了关于 EVM 兼容性的详细数据。它在其 zkEVM 上运行官方以太坊测试向量。它通过了 99.67% 的测试。

Scroll 从 Polkadot 和 Ethereum Applied ZK 分叉了许多项目。他们根据这些分叉项目进行定制化修改。从分叉代码库来看，Scroll 是最具以太坊特色的 Layer2，因为他们的证明系统、zkEVM 电路都与 Applied ZK 密切相关。

另一个有趣的事情是，Scroll 开源了许多与加密相关的代码库，如证明系统、Crypto Primititves、聚合器。这表明他们在密码学方面有很强的背景。

语言选择

下面的图表显示了每个 ZKRU 项目中每种语言的代码行数。这展示了不同项目的语言选择。

StarkNet

Rust 在 StarkNet 代码库中拥有最高的代码行数，共有 109,262 行。Python 是第二大使用语言，共有 68,770 行。这表明 StarkNet 大量运用 Rust 和 Python。

zkSync Era

对于 zkSync Era，它们的代码量很大，因为有几个代码库是从大型项目中分叉出来的，比如 era-compiler-llvm 和 era-compiler-llvm-builder。这两个分叉都有很多 Rust 代码。Rust 是 zkSync Era 第一大语言，占据了 3/4 的代码库。JS/TS 有 4 万行，位居第二。即使没有这两个大型分叉代码库，Rust 仍然是 zkSync Era 的主要语言。

在所有与 zkSync Era 相关的代码库中，zkSync 团队都将 zkSync Era 的介绍放在 README 文件的顶部。这可以为 zkSync Era 建立更强大的品牌并增加曝光。

Polygon zkEVM

对于 Polygon zkEVM，大部分代码是用 C++ 编写的。zkEVM-prover 有超过 800 万行的 C++ 代码。其他语言只有几万行代码。

排除 zkEVM-prover 后，剩下的大部分代码是 Go，大约 9 万行，占剩余代码量的 50%。JS 和 Go 是 Polygon zkEVM 除开 C++ 的两大主要语言。

Scroll

Scroll 的主流语言是 Rust，用于密码学、区块浏览器和 zkEVM。Go 用于构建节点和 RPC。Rust 拥有最高的代码行数，总计 585,446 行。Go 的代码行数明显高于 Python、TypeScript/JavaScript、C 和 Solidity，总计 468,003 行。

Rust 在几个 ZKRU 中成为主导语言。用于构建编译器、节点、工具链、CLI 工具和虚拟机。Rust 受欢迎的主要原因如下：

1. 内存安全：Rust 使开发人员更难犯错，这些错误可能导致程序崩溃或行为不可预测。

2. 高效的多任务处理：Rust 设计用于同时处理许多任务（如服务器处理多个用户），而不会导致错误。

3. 无额外成本的优美代码：Rust 让程序员编写易于理解的代码，而不会让程序变慢或效率降低。

4. 与其他代码协同工作：Rust 可以与用 C 编写的代码一起工作，这使得它更容易在不同的项目中使用。

5. 对资源的控制：Rust 为开发人员提供了大量的计算机资源控制，这意味着他们可以编写高效运行且不浪费内存或处理能力的代码。

6. 良好的工具：Rust 有许多工具，使编写、测试和共享代码变得更容易。

7. 活跃的社区：有许多活跃的 Rust 用户，他们为改进语言和帮助他人学习如何使用它做出贡献。

智能合约开发文档现状

概述

Layer2 智能合约开发文档对于开发者体验至关重要。这些资源有效地弥合了 Layer2 解决方案的复杂性与以 EVM 兼容开发生态之间的差距。

这些重要的文档阐明了 Layer2 解决方案的架构和独特特性，包括可扩展性增强、交易速度提升、成本降低、Layer 之间的互操作性以及账户抽象。这些知识让开发者深入理解 Layer2 解决方案可以如何提升他们的智能合约的效率、可用性，并开创全新的应用类型。

对于该领域的初学者，这些文档充当了全面的入门指南。它们提供了系统、其组件和功能的全景视图，从而降低了初学者的上手难度。

此外，这些文档，通过其清晰的、一步步的指南和补充示例，简化了学习曲线，使新来者能够快速熟练。它们引导开发者熟悉开发环境中的必要工具、库和 API，加强对系统及其底层结构的熟悉程度。

而且，这些文档强调了在 ZKRU 环境中编写、测试和部署智能合约的最佳实践。这样的指导对新开发者来说是一条清晰的路径，减少了潜在的错误，提高了他们的效率。

以下是关于主流 ZKRU 开发文档的详细分析。

这些项目都提供了带有示例和概念解释的优秀文档。然而，与一线项目 Vercel 和 Stripe 的文档相比，仍有一些提升的空间：

• 包括文件名和路径：在任何代码块的开头，都应该注明文件名和其路径。这有助于用户知道在哪里查找或放置代码

• 显示 CLI 执行结果：在提供 CLI 指令时，包括命令的示例输出。这有助于用户知道应该期望什么，并验证他们是否正确执行了命令

• 限制代码行长度：为代码示例设置一个最大行长度。这确保代码易于阅读，无需进行水平滚动

• 使用现实的例子：不使用占位符或 'xxx'，提供示例合约地址或秘钥。这让用户更好地了解他们应该使用哪种数据

• 对于复杂教程的项目视图：对于更复杂的教程，在教程的一侧提供项目视图。当用户浏览教程时，高亮显示代码的相应部分

*

• 交互式示例：包括交互式示例，帮助快速吸纳开发者。这可能是一个用户可以编辑和运行代码片段的游乐场，或者是一键启动的云开发环境

• 组织文档：确保文档结构良好，易于导航。如果可能，使用清晰的标题、目录和 Breadcrumb navigation

• 保持更新：随着项目的发展，确保你的文档保持最新状态。这可能意味着更新截图，修改代码示例，或者重写部分内容以反映新的特性或更改

文档内容

StarkNet

StarkNet 提供了三种类型的文档，以便新手顺利入门：开发者文档、教程以及工具和资源。

工具和资源部分涵盖了所有相关的库、框架、编辑器插件和模板，文档中列出了总共 27 个工具。对于寻求在 StarkNet 基础设施上构建的开发者来说，这个部分至关重要。

教程有多种形式，包括源代码、博客文章和视频。在可用的 40 个教程中，大部分是视频格式。需要注意的是，并非所有教程都专注于智能合约开发；有些涵盖了技术讲座或解释核心概念，如 Herodotus 讨论存储证明。尽管这些可能对于想要快速开始项目的开发者并不立即有所帮助，但它们提供了对 StarkNet 底层技术的有价值的洞见。

开发者文档作为智能合约开发者的全面指南，涵盖了如下必要信息：

• StarkNet 的当前版本

• 架构和概念

• 环境设置、智能合约开发和部署

• 工具和重要的合约地址

这些文档大约包含 56 个部分和大约 35,000 个单词，为开发者提供了广泛的知识库。除了文字内容，StarkNet 的文档还包括 1,147 行的代码，帮助开发者通过动手实践学习。

StarkNet 在文档中提供了两个智能合约的例子：

1. 一个 "Hello World" 风格的例子，其中调用 hello 函数将导致合约发出一个带有用户地址的事件。

2. 一个简单的存储例子，用户可以增加在存储中定义的余额，并发出事件，然后检索余额。

在部署例子中，StarkNet 使用命令行方式而非脚本来部署合约。这种方法也展示了如何在命令行中调用智能合约。然而，文档没有包含测试和前端材料。对于那些对 Vue.js 前端、ERC721 和 Protostar 的单元测试感兴趣的人，教程部分有相关的视频教程。

zkSync Era

zkSync Era 的文档结构与 StarkNet 相似，主要由四个部分组成：开发者文档、工具和 SDK、合约和链接，以及教程。

开发者文档涵盖了一系列主题，包括 Layer2 和 zkSync Era 的概念、智能合约开发、验证、事件处理、JSON-RPC API、相关工具和 SDK、FAQ、更新日志，以及贡献指南。大部分教程和文档以文本形式呈现，而非视频。

总的来说，文档中列出了 10 个工具和 SDK。这些部分提供了关于各种工具的使用和 API 的深入信息，如 JavaScript SDK、Hardhat、区块链浏览器、编译器工具链、CLI、Python SDK 、Go SDK 和 Java SDK。

zkSync Era 的文档由 34 个部分组成，大约有 57,000 个单词和 6,800 行的代码，帮助开发者入门。zkSync Era 提供了五个代码示例，不仅涵盖了基本的智能合约开发和部署，还涵盖了更高级的主题，如验证智能合约、前端开发、Layer1 和 Layer2 的通信、账户抽象化，以及用于 gas/gasless 交易的替代代币支付。

zkSync 的独特之处在于，它演示了如何利用其独特的功能，如账户抽象化（AA）。这种方法可以显著激发开发者的创造力，鼓励他们探索 zkSync Era 的全部潜力。

Polygon zkEVM

Polygon zkEVM 的开发者文档包括指南和技术规范，为 ZKRU 生态系统提供了全面的覆盖。技术规范说明了各种产品的设计，如 zkEVM 和 zkNode，而指南则教导开发者如何有效地使用这些工具。

文档共有 80 个部分，100,271 个词和 126 行的代码 (LoC)。内容通过文本、图片、视频和代码块的组合呈现，对 Mainnet 和 Testnet 的代码进行了清晰的分类。文档不仅涵盖了智能合约开发，还涵盖了像 zkEVM、zkNode、zkProver、zkAssembly 和 PIL 这样的基本工具。

值得注意的是，Polygon 的文档在几个方面与其他文档有所不同。由于 Polygon zkEVM 起源于 Hermez，因此有两个单独的文档：一个在 Polygon 网站上，另一个在 Hermez 网站。Hermez 网上的文档最后一次更新是在 2 月份。这些文档涵盖了相似的主题，但在内容和组织上有所不同。对于这个研究，我们将关注 Polygon zkEVM 的文档。

有趣的是，Polygon zkEVM 并未提供任何智能联系人的代码示例。这是因为开发者在 ZKRU 上开发时并不需要任何特殊的工具，包括编译器。因此，文档强调了 Polygon zkEVM 生态系统对于开发者的易用性和无须额外的学习成本。

Polygon 提供了不同的编码块配置。开发者可以在 Mainnet 和 Testnet 之间无缝切换。

Scroll

Scroll 的开发者文档内容聚焦在 Scroll 上编写智能合约。门户网站和区块浏览器处在显著的位置，使其易于访问。此外，文档还包含一个列出了在 Scroll 上启动的所有重要项目的部分，突出了其强大的生态系统。

用户指南涵盖了基本的网络使用，而开发者文档由 10 个部分、近 4 万个单词和 136 行代码组成。有趣的是，Scroll 文档是记录最多框架的 ZKRU。尽管 Polygon zkEVM 也支持这些框架，但在他们的文档中并没有明确列出。Scroll 与五个不同的框架的兼容性在文档中有详细的说明。

Scroll 文档的一个显著不同之处是其对开源贡献的强调。文档包括了如何为 Scroll 做出贡献的部分，介绍了主要的代码库，并提供了如何参与 Scroll 开发的指导。

Scroll 和 Polygon zkEVM 都不需要额外的编译器进行开发，所以 Scroll 和 Polygon zkEVM 一样，不为开发者提供代码示例。然而，Scroll 提供了一个单独的部署演示，使开发者能够亲手体验 Scroll。

社区和团队贡献者数量

贡献者的数量显示了开源社区和团队对文档的参与度。

StarkNet

对于 StarkNet，总共有 25 位贡献者为 StarkNet 文档做出了贡献。4 位贡献者做了大部分的工作。

zkSync Era

对于 zkSync，总共有 65 位贡献者为 zkSync 文档做出了贡献。6 位贡献者做了大部分的工作。

Polygon zkEVM

对于 Polygon zkEVM，总共有 4 位贡献者为 Polygon 文档做出了贡献。其中一位贡献者做了大部分的工作。

Scroll

Scroll 并没有开源其文档仓库。

社区和团队的贡献活动

除了内容，更新频率和参与度都是衡量一个好文档的重要因素。

StarkNet

对于 StarkNet，在 Alpha 主网启动时，文档是最活跃的。在过去的一个月里，8 位作者在文档上工作。8 位作者向代码库推送了 39 次提交，向所有分支推送了 103 次提交。有 40 个文件发生了变化，有 9,351 次增加和 12,886 次删除。现在有 2 个未解决的 PR 和 1 个问题。

zkSync Era

对于 zkSync，在过去的一个月里，13 位作者向主分支推送了 58 次提交，向所有分支推送了 116 次提交。在主分支上，有 83 个文件发生了变化，有 4,472 次增加和 2,590 次删除。现在有 1 个未解决的问题和 8 个 PR。

Polygon zkEVM

对于 Polygon，在过去的一个月里，4 位作者向主分支推送了 43 次提交，向所有分支推送了 46 次提交。在主分支上，有 125 个文件发生了变化，有 1,274 次增加和 552 次删除。他们合并了 17 个 PR，现在有 3 个 PR 未解决。

这是一个详细的提交时间线。zkSync 和 StarkNet 从去年开始在文档上工作，并频繁更新文档。

编程体验

概述

通过浏览文档后，开发者进入开发阶段编写代码。编码体验在很大程度上塑造了开发体验。

编码体验取决于工具链、编辑器体验和框架。

相关工具链决定了是否易于架设本地开发环境，调试和运行代码。

编辑器体验决定了编码的速度。好的编辑器体验应包括清晰的语法高亮，定义跳转和自动补全。

框架提供了一个结构化的环境，显著加速了开发过程。他们带有预配置的功能和可重用的函数库，开发者可以利用这些库高效地编写智能合约，而不必从头编写每一个函数。在过去，Truffle 是一个流行的选择。现在 Hardhat 和 Foundry 更受欢迎。

Remix 的支持可以帮助开发者快速开始编码，而无需设置自己的环境。目前这种云原生的开发环境仅支持智能合约编写。暂时无法支持整个 Dapp 的开发。Dapp 的开发包含了智能合约和前端网站开发。

编程上手体验

StarkNet

在 StarkNet 上，Warp 负责将 Solidity 代码编译到 Cairo。

按照 StarkNet 官方文档，可能会遇到几个小问题：

• Cairo-lang 工具不适用于最新版本的 Python

• 文档建议使用 Pyenv 安装 Python v3.9.0，但这个版本不适用于 M1 Mac。我切换到了 Python v3.9.13

• 安装 Cairo v1.0 的推荐方法是从源代码编译。希望未来可以提供使用包管理器直接进行安装

VSCode 的 Cairo 插件只提供基本功能。这是文档中示例代码的截图，虽然启用了语法高亮，但高亮非常基础，而且没有提供任何高级功能，如跳转到定义 / 引用和重构。另外，格式化工具似乎并未正确工作。

zkSync

zkSync 和 Polygon zkEVM 为编写 Vyper 和 Solidity 提供了以太坊类似的体验。尽管 Remix 不支持 zkSync，但 AI IDE Atlas 使得开发者能够直接在浏览器中进行编码和部署。

Scroll

Scroll 为编写 Vyper 和 Solidity 提供了流畅的体验。它与现有的 Solidity 生态系统兼容。

框架 & SDK 支持

StarkNet

StarkNet 目前支持三个框架：

• StarkNet 的 Hardhat 插件

• Nile 是用 Rust 编写的，由 OpenZeppelin 开发

• Protostar 是用 Python 编写的，用于帮助开发者测试、编译和安装智能合约

使用 Hardhat，开发者可以通过命令行使用各种功能，并使用 JS 测试和部署 Cairo 智能合约。

与 StarkNet 相比，Nile 的功能较少。它提供 CLI 工具来编译、部署和与区块链交互。

Protostar 有开发智能合约所需的所有功能。它支持测试，编译，安装依赖和与区块链交互。

zkSync Era

zkSync 为主流框架提供插件，如 Hardhat 和 Foundry。Hardhat 插件支持编译，部署，测试和验证。

zkSync 还提供 Java、Python、Go、Swift 和 Typescript SDK 与 zkSync 交互。

zkSync 还有一个基本的 CLI 工具，可以存款、取款和创建 Hardhat 项目。

Polygon zkEVM，Scroll

Polygon zkEVM 和 Scroll 与 Ethereum 的所有现有工具兼容。它为现有的 Solidity 开发者提供了最顺畅的体验。

编译和执行

概览

编译器是将高级编程语言翻译成计算机可以执行的机器级别代码的软件。在这项研究中，我们关注的是将 Solidity 翻译成 zk (E) VM 可以执行的机器级别代码的编译器。这确保了 EVM 的兼容性。开发者可以利用他们现有的知识和工具，而无需学习新的语言或实践。

Polygon zkEVM 和 Scroll 支持几乎所有的 OPCODEs。在 Ethereum 上可以跑的东西在 Polygon zkEVM 和 Scroll 上可能都可以正常工作。

编译器速度

StarkNet

在 StarkNet 中，我们可以使用 Cairo 编译器在 0.2 秒内编译示例合约。

为了使 StarkNet 与 EVM 兼容，Warp 将 Solidity 代码翻译为 Cairo 代码。Warp 需要 0.93 秒来转译一个简单的存储合约。但是在大项目中使用它仍存在许多问题。

Warp 不支持 Solidity 的所有特性。大部分限制是由技术问题造成的。例如，它永远不会支持低级调用。然而，这在很多大型 Solidity 项目中被广泛使用。开发者使用低级调用来节省 gas 并实现一些功能。如果 Solidity 开发者计划部署 Solidity 项目到 StarkNet，他们仍需要在迁移过程中付出努力。

此外，由 Warp 输出的 Cairo 代码比手写的 Cairo 代码更长，且难以阅读。虽然 WarpV2 在 V1 的基础上进行了改进，但与手写代码之间仍存在很大差距。

zkSync Era

在 zkSync Era 中，zkSolc 是 Solidity 的编译器。它需要大约 0.6 秒来编译一个标准的简单存储合约。

在编译 Uni V2 代码时，它需要大约 1.6 秒来编译 12 个 Solidity 文件。虽然它输出一些警告，但它开箱即用。例如 block.timestamp 实际上指的是将要发送到 L1 的整个批次的时间戳（即，这个批次开始处理的时间戳）。

Scroll & Polygon zkEVM

对于 Scroll 和 Polygon zkEVM，他们没有定制的编译器。他们与使用 Solidity 编译器的体验相同。

编译器和 OPCODEs 执行与 EVM 的兼容性

StarkNet

在 StarkNet 中，Warp 还没有集成到任何工具中。开发者需要编写自己的脚本来编译多个 Solidity 文件。

我使用 Uniswap V2 的代码来测试 Warp 的功能。它不能开箱即用。我得到了许多不兼容的警告。

Kakarot 正在开发一种新的帮助 StarkNet 兼容 EVM 的解决方案。Kakarot 提供了一个用 Cairo 编写的 EVM。作为一个 EVM，Kakarot 可以执行 EVM 字节码程序，使 Ethereum 智能合约可以在 StarkNet 上运行。它现在支持所有来自 EVM 的 OPCODEs。这种方法提供了更好的兼容性，但执行一个 EVM 程序的成本将比执行原生 Cairo 程序贵 2-10 倍。

zkSync Era

zkSync 对大约 25 个 OPCODEs 的处理方式略有不同。这些 OPCODEs 能够工作，但开发者需要了解它们是如何被处理的。

在当前的 zkSolc 中，编译任意 Solidity 代码时，它可能会输出以下警告 / 错误：

• 使用 ecrecover 来验证用户账户的签名

• 使用 

  .send/transfer()，而没有提供 gas 金额

  • 使用 extcodesize

  • 检查 tx.origin

  • 检查 block.timestamp，block.number

  • EVM 旧版汇编管线中不支持内部函数指针，比如 SELFDESTRUCT，CALLCODE，PC 和 EXTCODECOPY

  Polygon zkEVM

  Polygon zkEVM 没有特殊的编译器。它使用标准的 Solidity 编译器。它实现了超过 99% 的 EVM 等效性。这是通过运行 EVM 测试向量来测量的。几个 OPCODEs 的执行与 EVM 有一些差异：

  • selfdestruct

  • extcodehash

  • difficulty

  • blockhash

  • number

  Scroll

  Scroll 没有编译器。它使用标准的 Solidity 编译器。几个 OPCODEs 的执行与 EVM 有一些差异：

  • Blockhash

  • COINBASE

  • Difficulty/ Pervrandao

  • selfdestruct

  • push0

  测试

  概述

  测试是智能合约开发的一个重要方面，它保证了智能合约的质量、功能和可靠性。测试包括验证每个功能是否按照预期运行，以及在部署前确定需要修复的任何错误或问题。通过进行彻底的测试，开发者可以确信软件在各种情况和条件下都会正确运行。这个过程不仅保护了可能影响用户体验的潜在故障，也有助于维护智能合约的完整性和安全性。测试还会让开发者了解潜在的增强或优化，有助于智能合约的持续改进。

  

  Tenderly 是智能合约开发的最佳调试工具之一。它提供智能合约执行模拟、调试器、gas 分析器、分叉、警报，以帮助开发者构建更好的 Dapps。所有这些功能目前都不支持这些 ZKRU。

  测试工具链

  StarkNet

  在 StarkNet 文档网站的一个隐藏链接中，StarkNet 提到了测试。它给出了一个关于初始化网络、部署合约和实现一个单元测试的示例。

  StarkNet 的测试依赖于 StarkNet 库进行区块链初始化、部署和与区块链的交互。Pytest 用作测试库。

  开发者还可以使用 Starknet.js 和其他 JS 测试库，如 Chai 和 Mocha，来实现智能合约的测试。Hardhat 也支持 StarkNet。

  该文档没有提供任何关于设置本地测试环境的信息。没有任何官方支持的节点容器。

  zkSync Era

  zkSync 支持通过一条命令行运行本地测试网实例。它启动了三个 docker 容器：Postgres，本地 Geth 节点和 zkSync 节点。在测试网络中，有一些富有的钱包，其中有大量的 ETH。开发者可以导入私钥来访问这些账户。

  支持像 Mocha 和 Chai 这样的测试库。

  Polygon zkEVM & Scroll

  Polygon zkEVM 和 Scroll 兼容所有现有的 Solidity 工具链，提供了非常顺畅的测试体验。

  部署

  概述

  部署过程在智能合约开发生命周期中至关重要，提供自动化、一致性和可靠性的过程，将智能合约从开发环境部署到链上环境。良好的部署工具可以显著减轻手动部署任务的负担，从而加快交付时间并减少人为错误。

  

  部署上手体验

  StarkNet

  StarkNet 的部署分两步进行：

  • 声明

  • 部署

  开发者首先声明他们的合约，然后初始化合约。这在理论上带来了更好的可复用性。如果开发者要复制完全相同的智能合约，他们可以跳过声明，直接使用声明的类哈希来部署合约。如果开发者试图声明一个完全相同的智能合约，程序会产生一个难以阅读的错误日志。开发者可以在其中找到类哈希。声明示例合约大约需要 12 秒。

  

  在用 CLI 工具手动声明和部署之前，开发者还需要手动设置环境变量。如果没有配置文件的帮助，这很容易忘记。

  在跳转交易时，StarkScan 会出现一些错误。如果不刷新，它不会正确显示交易状态。

  zkSync Era

  zkSync 支持使用 Hardhats 部署智能合约。为了使部署体验更加顺畅，开发者可以将从 Layer1 到 Layer2 的存款步骤集成到脚本中。这样，开发者就不需要手动将 Gas Tokens 从 Ethereum 桥接到 zkSync。

  部署到测试网的智能合约大约需要 15 秒。

  zkSync Era 区块链浏览器 为 zkSync 提供了基本功能。

  Polygon zkEVM, Scroll

  Polygon 和 Scroll 可以复用所有 EVM 技术栈进行部署。它运行非常顺畅和快速。开发者几乎可以立即检查部署的合约。区块链浏览器提供了与在 Ethereum 上开发者相同的体验。

  激动人心的新特性

  区块链领域正在快速发展，Layer2 解决方案在解决可扩展性、效率和用户体验的挑战方面发挥着关键作用。 ZKRU 尽管仍处于初级阶段，但在为开发者解锁新可能性方面显示出巨大的潜力。

  通过提供像状态差异这样的突破性创新、Layer1 和 Layer2 通信以及帐户抽象，ZKRU 使开发者能够创建全新的应用范式，推动区块链所能实现的边界。这些先进的特性不仅增强了去中心化应用的能力，而且为区块链技术的主流采用铺平了道路。

  状态差异（State-diff）

  StarkNet 和 zkSync 使用状态差异技术，该技术理论上可以降低费用。它们只发布状态差异，而不是整个交易输入。这允许数据压缩和降低存储成本。这将有利于游戏开发者。

  Polygon zkEVM 将所有交易输入发布在链上，预期在未来几年内数据存储成本的减少。

  Layer1 <> Layer2 通信

  大多数 ZKRU 提供 Layer1 <> Layer2 通信特性。例如，zkSync 提供了一个利用 Layer1 <> Layer2 通信的治理例子。在 Layer1 上，合约可以执行 Layer2 上的合约。在 Layer2 上，Layer2 合约只能向 Layer1 合约发送消息，并不能直接进行执行，然后我们可以在 Layer1 上处理收到的消息。

  帐户抽象

  帐户抽象是另一个令人兴奋的特性。zkSync 原生支持 AA。在 zkSync Era 中，帐户可以像 EOA 一样启动交易，也可以像智能合约一样在其中实现任意逻辑。由于 zkSync 原生实现了 AA，帐户不需要额外的代理合约。即使是普通的 EOA 也可以进行 Gasless 交易，这仅仅依靠 EIP-4337 是不可能实现的。Polygon zkEVM 和 Scroll 实现了与 EVM 兼容的 AA。

  思考

  构建开发者友好的产品已经成为了一种趋势。对于向开发者提供服务和产品公司来说，这已经成为了一种必需。开发者体验（DX）已经和用户体验（UX）一样关键。

  确保一个开发者友好的项目不仅仅是与生态合作和引入一些基础设施项目。项目本身需要付出大量的努力来覆盖 Dapp 开发的整个生命周期的开发体验，并创建一个推动创新、协作和成功的面向开发者的环境。随着 Web3 的不断发展，致力于提升开发者体验的承诺无疑将塑造未来的技术产品和平台。为了实现这一点，有一些常见的技巧：

  • 文档质量：良好的文档是面向开发者的关键。它应该是全面的、清晰的、最新的。你可以通过查看文档的完整性、解释的清晰度、示例的存在以及它的更新频率来衡量这一点。

  • AI 维护 / 编写 文档：编写详细的文档会消耗大量的资源。让文档保持最新状态也非常困难。大型语言模型可能会帮助开发者编写和维护高质量的文档。大型语言模型可以输出高质量的文档，因为它们能够理解代码。大型语言模型还可以作为 QA 机器人回答开发者的常见问题

  • 激励贡献者：为确保文档的正确性，项目可以将文档错误纳入漏洞赏金计划。报告文档中错误的开发者可以获得赏金。贡献者的名字也可以出现在每周或每月的新闻通讯中，以示项目的感谢。

  • 工具的可用性：提供的工具应易于使用且直观。可以通过调查开发者完成常见任务所需的时间来衡量这一点。

  • 上手体验：衡量一个新开发者上手所需要的时间。这包括设置开发环境、理解基本概念以及构建一个简单的 Hello World 类型的应用的时间。

  • 社区支持：一个大型且活跃的社区可以增加开发者的粘性。可以通过衡量论坛、StackOverflow、GitHub 问题等活动来衡量这一点。此外，还要关注对开发者提出问题的响应时间。

  • API 设计：API 应该是一致的、直观的，并且有良好的文档。可以通过评估 API 文档，以及使用 API 执行常见任务的易用性来衡量这一点。

  • 错误消息和调试支持：良好的错误消息和调试支持可以大大提高开发者体验。可以通过故意创建常见错误，并查看系统的响应有多有用来衡量这一点。

  • 集成和兼容性：评估工具或平台与生态系统中其他常用工具的集成情况。

  • 反馈和可用性研究：对使用平台或工具的开发者进行调查或可用性研究。这种直接的反馈可以提供更多对开发者体验的数据。

  • 产品状态：提供产品运行状态的实时信息。它可以告知开发者任何正在进行的问题、计划的维护或系统故障，帮助他们相应地规划工作。

  • 案例研究：案例研究提供了对产品实际应用的丰富洞察。他们突出了如何使用产品解决问题并取得成果的实际例子。这些案例研究可以作为灵感的来源、学习工具，以及理解产品价值和效果的手段。

  • 完整 API 参考 / API 更改日志：对产品提供的所有 API 的详细描述，包括它们的功能、输入参数、返回值和错误代码。良好的 API 参考对于开发者理解和有效使用 API 至关重要。日志记录了所有对 API 的更改，如新特性、bug 修复或已弃用的特性。对开发者来说，关注更新并利用任何新功能都是很重要的。

  随着我们期待 Web3 产品的发展，利用这些见解以提供更好的开发者体验。强调以开发者为中心的设计和提供全面的支持资源将是在 Web3 世界中培养活跃开发者生态系统的关键。通过互相学习，实现更好的开发者体验，开发者可以无缝的从 Web2 过渡到 Web3。

  测试环境

  • M1 Max, 32 GB Memory

  • Cairo-lang-compiler v1.0.0-alpha.6

  • python v3.9.13

  • Node v16.15.0

1. AI 和加密货币初创公司 Giza 获得 300 万美元融资，并推出自家框架 Cairo 的简易教程（链接）

2. 自动化客服公司 AwesomeQA 获得 280 万美元融资，Coinbase Ventures 和 Uniswap Labs Ventures 参投（链接）

3. Web3 开发公司法国 Narval 完成 400 万美元的种子融资，BlockTower VC 领投（链接）

4. FTX Japan 开始招聘，称将关注 AI 开发领域（链接）

5. 日本企业 Cybozu 推出新基金 Kintone Teamwork Fund，聚焦于 Web3 和 AI（链接）

6. Lighting Labs 推出基于 AI 的比特币模型，可使用基于大型语言模型的应用进行比特币交易（链接）

7. 筑波大学团队推出基于链上数据的 AI 投资组合管理系统 CryptoRLPM（链接）（论文链接）

8. Web3 数据智能公司 Web3Go 获得 400 万美元融资，Binance Labs 及 Hashkey Capital参投（链接）

9. 基于 ZK-rollup 证明技术的 Web3 隐私公司 Ola 获得 300 万美元融资，Foresight Ventures 参投（链接）

💬 洞见

Emerging Architecture for LLM Applications

这篇文章展示了目前开发，维护一个 AI App 需要的基础设施。

文章中主要关注于结合上下文，数据库，使用 LLM 提供更加精准、实时的答案，降低幻觉的发生。

除了问答机器人，另一个 a16z 觉得有前途的方向是 Agents。AI 使用工具和自我反馈、学习来达成一些目标，例如全自动写代码，写报告，改 Bug 等等。在其他大的 AI 企业也看到正在努力钻研 Agents 方向。

State of GPT

GPT 的训练分为四个阶段

• 预训练

• 监督训练

• 奖励训练

• 强化训练

目前大部分模型为与训练后的模型，例如 GPT，LLaMA，PaLM。他们擅长补全文章，但是不擅长指令，和用户问答。这一阶段需要的资源和数据量最大。

在这些基础模型之上，开发者进行监督训练。让这些基础模型具备回应指令的功能，例如 Vicuna-13B。

奖励训练和强化训练可以提升模型输出的质量，到那时训练过程较为复杂，很少有模型经过这两个阶段。

Chain of Thoughts 背后的原理是 LLM 无法区分哪一部分文字需要花更多时间思考。LLM 在每一个生成的文字上所花费的计算资源是一样的。这就导致了面对较难的问题容易出错因为计算时间不够长。让 LLM 多思考的方法就是让它多生成文字。对于指定问题生成更多的文字就代表它思考的越多，花费了更多计算资源。

角色扮演背后的原理是虽然 LLM 可以分辨答案的优劣，但 LLM 并不会下意识的输出最优质的答案。通过专业，高 IQ 等角色预设，LLM 会输出更加优质的答案。

目前有效的 Prompt 技巧是

• Tree works

• Chain of thoughts works

• ReAct works

但是 Auto GPT 并没有被证明有效。将任务分成子任务并不一定是有效的方案。

Vector Database

为何使用向量数据库？

• LLM 中的信息是过时的。如果我们想要注入数据，我们需要向量数据库

• 企业想要与他们的数据进行交流

为什么我们不把所有东西都放在提示里？

• 我们构建一个数据缓存层。它在向量库中存储相关信息和生成的聊天内容。通过不在提示中发送所有内容，我们可以降低成本

为什么我们不微调模型以获取新信息？

• LLM 是统计模型。它需要大量相似的样本来更新信息

如何构建一个文档问答机器人？

• 抓取所有文档并将其存储在向量数据库中。生成样本问题和答案并将它们存储在向量数据库中（有这样的文档，我可以问哪些问题）

何时不使用向量数据库？

• 如果是键值对

• 如果不是语义的

如何保持向量数据库中的数据更新是当前行业的一个问题

AI + Web3

1. Bot/Agent/Assistant 模型资产化是目前同质化最严重的一个赛道，多是在 OpenAI 基础上进行二次开发。弊端是同质化严重，实用性有待考验。未来可考虑将模型上链，或与智能合约结合实现机器人自治协作。

2. 算力平台可以吸引算力提供者参与 AI 模型训练，目前以 Together 和 Gensyn 最为知名。未来训练平台和推理平台可能会有不同龙头。

3. 数据平台可以提供隐私保护的数据来训练 AI 模型。Ocean 是较知名的链上数据平台。

4. 生成式 AI 可用于 NFT 创作或游戏地图生成等，但可能会面临来自 Unity 等公司的竞争。

5. 在 DeFi 领域，AI 可应用于交易策略、项目审计、收益优化、风险控制等方面。

6. ZKML 将零知识证明和机器学习结合，应用场景还不明确,主要面向的是推理而不是训练。Modulus Labs 等为明星项目。

7. 整体来看，AI 和 Web3 的结合仍在探索早期阶段，思路不断拓展中。

Classify Text LLMs Learning

LLM 可以代替一些传统的 ML 模型吗？这篇文章就文字分类进行比较。

传统 ML 模型的延迟更低，成本更低，但需要更多的训练数据。LLM 可以为其生成训练数据。

用 Chain of Thoughts 可以提升 LLM 分类的准确率。此外，我们可以使用上下文来总结，提炼并压缩用户的意图

这篇文章来自 Gloo， 它可以帮助哦我们解决文字分类问题。他们的解决方案分为三步：

• LLM 来生成标签数据

• 追踪 Prompt 的影响

• 训练 BERT

如果你喜欢本期内容，不妨在阅读后给我们点个 ❤️ ，关注，分享给你觉得有需要的人

Abacus Spot 是一套为了解决 NFT 定价的解决方案。目前现有的解决方都存在流动性不足，无法支撑大规模清算。因此开发者们想着能不能把 NFT 非流动性资产和一些流动性资产放在一个池子里。这样清算的时候就有池子里的流动性资产兜底了。

本着这样的思路，Abacus Spot 出现了。一个 NFT 和一堆流动性资产共同组成了一个池子。当 NFT 持有者将 NFT 放（锁）进池子后，最后只有两种结果：

1. NFT 进行拍卖

2. NFT 持有者将池子买下来

第一种情况是 NFT 进行了拍卖。拍卖成功后，NFT 持有者获得流动性池子中的流动性资产，交易者获得拍卖成交收到的钱。在拍卖价格高于流动性池子总价值时，交易者们可以平分 80-30=50 ETH 的利润。如果拍卖价格低于流动性池子总价值时，拍卖获得的钱将基于先进先出（FIFO）的原则分配给交易者们。

对于 NFT 持有者来说，只要流动性池子中的钱够多，他就可以开启拍卖进行套现。交易者们则需要担心最后的成交价格。越后期进入的，亏损的概率越大。由于是 FIFO 的原则，甚至可能赔光。

第二种情况是 NFT 持有者想要关闭这个池子，或许是因为他找到了更好的买家。那么 NFT 持有者需要向交易者支付一部分手续费，便可拿回自己的 NFT。目前尚不清楚手续费是如何设计的。

从退出机制上来看，NFT 持有者拥有更多的主动权。当流动性池子中对 NFT 估值过高的时候，NFT 持有者可以选择进行拍卖。当流动性池子中对 NFT 估值过低的时候，持有者可以选择赎回 NFT，自己进行售卖。

交易者们在为流动性池子添加流动性时，需要选择将钱锁多久，并获得一个凭证。交易者的主动退出机制便是售卖这张凭证，不然便是等着 NFT 持有者进行选择。在上一段的分析中来看，NFT 持有者的选择几乎对于交易者们都是不利的。

如果你喜欢本期内容，不妨在阅读后给我们点个 ❤️ ，关注，分享给你觉得有需要的人

📔 相关阅读：

• Spot, wat? — Abacus Spot ELI5. This is not a complete explanation and… | by Eichenkundiger | Abacus.wtf 🧮 | Feb, 2022 | Medium

• Abacus Tokenomics. The Abacus token will carry the symbol… | by Gio Medici | Abacus.wtf 🧮 | Mar, 2022 | Medium

• Abacus Spot Remastered: NFT valuation using optimistic proof of stake | by Gio Medici | Abacus.wtf 🧮 | Feb, 2022 | Medium

🔔 订阅 un.Block Weekly 🔔

🚏Find us

💻 Website： unblock256.com

✈️ Telegram： un.Block Weekly

🕊️ Twitter： @unBlock256

📧 Email：unblocketh@gmail.com

📤 分发渠道：知乎 | Notion | Substack | Medium | Mirror | RSS | 即刻 | 微信订阅

视觉设计：Jenny

特别鸣谢：

• Newlearnerの自留地

• Android Weekly Update

本文非商业目的转载授权遵循 CC BY-NC 4.0 协议

版权所有 ©️un.Block 2021

ERC-721 Variant

随着 NFT 的繁荣，我们终于看到一些项目方对 ERC-721 提出了更新。对于一个 NFT 团队来说，技术大概率不是他们的长处，但还是让我们来看看他们对 ERC-721 有一些什么样的想法

各位开发过 NFT，并且用 ERC-721 标准进行开发的读者们用的是什么库呢？我们一般第一选择是 Openzeppelin 的库，但 Openzeppelin 的 tokenURI 规范和 Opensea 并不是非常的兼容。Openzeppelin 要求平台在访问元数据时，自动为 tokenURI 加上 .json 的后缀。然而 Opensea 并不遵守这个规范，隔壁 Rarible 倒是遵守了这个规范。因此我经常会这样魔改一下：

import "@openzeppelin/contracts/utils/Strings.sol";

string(abi.encodePacked(baseURI, tokenId.toString(), ".json"));

ERC-721A

Azuki 推出了完全兼容 ERC-721 的 ERC-721A，并支持使用 NPM 进行安装，作为库导入到自己编写的合约里。目前在官方给出的清单中，有将近 40 个项目使用了 ERC-721A，例如 Cereal Club，X Rabbit Club，The Women of Crypto 等。除了单纯的 ERC721A，Azuki 还推出了两个变种，ERC721A Burnable 和 ERC721A Owners Expicit。如果你想要使用 ERC-721A 进行开发，需要注意的的是 ERC-721A 并没有类似 Openzeppelin 那样的完整 API 文档。

在 ERC-721A 中，Azuki 的改进有两点：

1. Mint 1 个 NFT 和 Mint 多个 NFT 手续费几乎一样

2. 降低 Mint 的基础手续费

Azuki 还将 ERC-721A 和 ERC-721 Enumerable 的 Mint 手续费做了比较：

从数字上来看，基础 Mint 手续费降低了一倍，每多 Mint 一个，ERC-721A 只会增加些许的手续费。

为了达到这点 Azuki 在代码层面做了这几个主要改动：

1. 删除 ERC-721 Enumerable。ERC-721 Enumerable 以更昂贵的 Mint，大大增加了读取速度。Azuki 认为如果 TokenId 是有顺序的，我们可以手动遍历，因此 ERC-721 Enumerable 是没有必要的。

2. 支持 Batch Mint，并且只进行一次更新。例如 Alice Mint 了 3 个 NFT。常规的合约会对 Alice 的 Balance 进行 3 次更新。从 0 → 1，1 → 2，2 → 3。然而 Azuki 只进行了一次更新，即 0 → 3。以太坊的写操作非常昂贵，因此这个方法可以为我们省下不少的手续费。

3. 对于一次 Mint，不管 Mint 了几只，ERC-721A 也仅仅需要一次写入来更新所有这些 NFT 的所有者。如果一个用户拥有连续的三个 NFT，那么在存储中只有第一个的所有者是他，后面两个则为初始的 0 地址。因此 Azuki 在读取 NFT 的所有者函数中又额外的逻辑。

根据项目自己的一些需求，Azuki 对通用库进行了一些修改，来实现在特定场景的手续费降低。例如第三条就牺牲了读取的性能。这里的大部分优化都存在 Tradeoff。

📔 相关阅读：

• Azuki

如果你喜欢本期内容，️欢迎点赞分享给你觉得有需要的人。

🚏Find us

💻 Website： unblock256.com

✈️ Telegram： un.Block Weekly

🕊️ Twitter： @unBlock256

📧 Email：unblocketh@gmail.com

📤 分发渠道：知乎 | Notion | Substack | Medium | Mirror | RSS | 即刻 | 微信订阅

视觉设计：Jenny

特别鸣谢：

• Newlearnerの自留地

• Android Weekly Update

本文非商业目的转载授权遵循 CC BY-NC 4.0 协议

版权所有 ©️un.Block 2021

👨‍🚀 Glaze & Jasmine：大家元宵节快乐！

​如果你喜欢本期内容，不妨在阅读后给我们点个 ❤️ ，并在下方订阅 un.Block Weekly

这一期我们简单的和大家介绍一下 Web3 的前端开发。Web3 前端开发和传统的前端开发不一样的地方在于需要处理钱包连接，调用合约等等问题。

​前端库

在前几年，市面上还没有很多解决方案。前端开发者需要自己写钩子函数，或者自己手动维护钱包链接，交易状态等等。往往一个 Provider 和 Signer 需要在多个组件之间共用。

随着区块链开发者的增加，我们看见了更多好用的前端库。例如对于我们以上提到的这些问题，有这样几个前端库可以帮助我们：

1. ​Wagmi

2. ​Web3-react

3. ​useDApp

4. ​Web3modal

这几个前端库实现的钩子函数不太一样，实际的使用体验也会有差异。在 Wagmi 的文档里详细列有这几个前端库的区别。

基本上这几个库的区别在于测试（仅 Wagmi 有详细的测试），更新频率，Typescript 支持，外部依赖，钩子函数，切换网络和钱包后数据自动刷新，支持的钱包，支持 Multicall（仅 useDapp 支持），交易通知（仅 useDapp 支持），UI 组件（仅 Web3Modal 支持）。

Wagmi 目前有 20 个钩子函数，925 Star，65 Fork，2 Issue，3 PR。

Web3-react 没有文档，2.9k Star，689 Fork，23 Issue，6 PR。

useDapp 目前有 23 个钩子函数，863 Star，200 Fork，81 Issue，9 PR。

Web3modal 主要支持各种钱包链接方式。

​Wagmi

这一次的开发我使用了 Wagmi。其实 Wagmi 官方给的文档里例子不是很多。例如在文档里我没有看到应该如何使用 Infura 或者 Alchemy 作为 Provider 来解除 Ethers.js 公共 API 的请求限制。得益于新版的 Github Code Search，总能帮助我搜索到我需要的例子。

接下来我会展示一些可能有用的小例子。

这个例子展示了如何使用第三方的 Provider。

​// App.js
import './App.css';
import { Provider, chai} from 'wagmi'
import { providers } from 'ethers'
import { InjectedConnector } from 'wagmi/connectors/injected'
import { ethers } from 'ethers';

// Chains for connectors to support
const chains = [chain.rinkeby, chain.mainnet]

// Set up connectors
const connectors = ({ chainId }) => {
  const rpcUrl = chains.rpcUrls
  return [
    new InjectedConnector({
      chains,
      options: { shimDisconnect: true, },
    })
  ]
}

const provider = () => ethers.getDefaultProvider("mainnet", {
  etherscan: "xxxxxxxxxxxxxxxx",
  // infura: {
  //   projectId: "xxxxxxxxxxxxxxxx",
  //   projectSecret: "xxxxxxxxxxxxxxxxxxxx",
  // }
});

function App() {
  return (
    <Provider connectors={connectors} provider={provider}>
    </Provider >
  );
}

当我们需要同时使用两个钩子的时候，我们需要重命名返回值。对于不熟悉 JS 的读者，例子如下：

​const [{ data, error }, connect] = useConnect()
const [{ data:network_data, error:network_error, loading }, switchNetwork] = useCustomNetwork()

​🔔 订阅 un.Block Weekly 🔔

🚏Find us

💻 Website： unblock256.com

​✈️ Telegram： un.Block Weekly

​🕊️ Twitter： @unBlock256

​📧 Email：unblocketh@gmail.com

📤 分发渠道：知乎 | Notion | Substack | Medium | Mirror | RSS | 即刻 | 微信订阅

视觉设计：Jenny

特别鸣谢：

• ​Newlearnerの自留地

• ​Android Weekly Update

本文非商业目的转载授权遵循 CC BY-NC 4.0 协议

版权所有 ©️un.Block 2021

【项目简介】

Nolik 是一条为端到端加密信息传递而设计的链。其基于 Substrate 框架开发，并且结合了链上交互和星际文件系统（IPFS）[1] 的优点。用户通过加密地址收发讯息，并且可以创造自己的白名单和讯息规则。信息和相关的文件本身不可追踪也不可更改 - 这个是IPFS文件系统的特性。对于信息相关的文件本身，它使用NaCl [2] 加密库，遵循 Diffie-Hellman 协议。用户可以通过解码信息签名来获取相关交易的数据。

【开发团队介绍】

Nolik由莫斯科的区块链开发团队Chainify [3] 开发，其团队领导人为Amir Boziev [4]，曾经在 Latoken交易所担任产品经理，同时也是一名活跃的区块链相关开发者。

【应用场景】

链上开发和交易相关的信息交互和交易数据管理。

【机遇】

在涉及到交易相关的线上交流时，现在的用户依然比较倾向使用中心化的拥有便利 UI 的软件来进行交互和文件管理。然而其中的安全漏洞在 Web3 时代，在使用代币的场景下，只会被多倍放大且难以解决。

【评价】

Gills：信息安全和隐私管理是区块链领域老生常谈的话题。在 Web2.0 时代我们见到了 Telegram 和 Signal，那么在 Web3.0 时代我们就希望有更加安全，去中心化的通讯解决方案。Nolik 是一个很好的开始：它有着闭环的文件管理系统和先进的加密机制，且和大多数 Web3 基金会的资助项目不同，他并不依赖于polkadot生态（尽管基于substrate）。不过可能是因为还处于早期开发阶段，它离令人满意尚有距离：它的 UI 目前仅足够做 Demo，它依然需要使用如 docker 之类的容器框架进行部署，并且它没有数据销毁机制。这些都是在 Web2.0 时期人们意识到的问题或者开发的功能。期待在之后的开发周期这些能被一一关照到。 Glaze：我参与的第一个 ICO 项目就是一个 IM 项目，Status。兜兜转转又看回了 IM 项目。这一次的项目是一个更加底层的协议。不过 Github 上看，这个项目的开发停更了有一段时间了，不知道发生了什么。

[1] https://zh.wikipedia.org/wiki/星际文件系统

[2] https://en.wikipedia.org/wiki/NaCl_(software)

[3] https://github.com/chainify

[4] https://ru.linkedin.com/in/amrbz

https://github.com/prosopo-io

【项目简介】

Prosopo是一个基于 Substrate 下的 ink! [1] 框架编写的智能合约验证平台。其主要向智能合约提供 DApp 相关的验证服务，以帮助优化人机验证（Captcha）的流程。对于用户来说，TA 可以在信息安全的环境下拥有一个评分（Reputation score），用于未来的验证流程 - 只要用户的评分足够，则可以直接跳过验证流程。在这个过程里用户需要提供的只有地址和公钥。

【开发团队介绍】

团队有完整公开个人信息的开发者有三人。Caspar Roelofs [3] 是初创公司 Gimly 的创始人和 Blockchain Netherlands 的成员。Vincenzo Ferrara [4] 是一名全栈工程师，目前是初创公司 Itaserv 的技术负责人。Chris Taylor [5] 则是 Prosopo Limited 的创始人和这个项目的发起者。目前公司的网页还在开发中。

【应用场景】

Polkadot 生态下的智能合约部署和开发，尤其是在各种 Bot 泛滥的 NFT 相关的智能合约市场。

【机遇】

如今的智能验证的流程依然停留在 Web2.0 时代的基于文字和图片的模式，并且相关数据高度中心化。这不仅对现在的 Bot 屏蔽能力有限，而且流程繁琐，用户体验比较糟糕。

【评价】

Gills: 又是一个应用场景非常明确的细分领域项目。并且相比于一般的验证 Bot，他在很多方面都高度的定制化和去中心化，尽力在高效验证和交互的同时保障了用户的隐私，相关数据也由智能合约提供方单独处理。不过目前他的文档和网站都还并不完善，因此可以期待他的第一版文档/白皮书出炉以及polkadot相关的智能合约市场对他们的反应。

Glaze: 这个项目真的能解决一部分机器人抢 NFT 的问题。项目方将在每一条平行链上部署，之后将部署到自己的平行链，来保证 TPS。

这个经济模型也是受到验证的。提供验证码的角色和 hCaptcha 一样，收入源于 NFT 项目方和标记数据（例如图像识别）。

我很期待能在 NFT 发售最多的以太坊上看到类似的服务。

[1] https://github.com/paritytech/ink

[2] https://github.com/polkadot-js/apps

[3] https://nl.linkedin.com/in/caspar-roelofs

[4] https://nl.linkedin.com/in/vincenzof

[5] https://www.linkedin.com/in/chris-taylor-6272032a?trk=org-employees

​👨‍🚀 Glaze & Jasmine：从本期开始，我们将采用 lu.ma 作为新的分发平台～

​🚀 对于 2022 市场的一些预测（上）

💲OTC (Over-the-Counter)

在过去的一年里，大家应该可以感觉到加密货币市场的火热，一级市场项目估值屡创新高，更多的项目开盘即巅峰，机构们抢着给项目塞钱，毕竟只要项目方发币就会回本，很难亏钱。这样的机构更像是投机者，而不是一个帮助建设 Web3 的投资者。如果二级市场行情冷却，没有人为机构接盘，那么很可能会出现一二级市场倒挂的情况。随着一二级市场倒挂的风险越来越高，2022 年一定会出现一批优质的 OTC 平台，来帮助一级市场中的机构进行退出。

这是一个成熟的商业模式，市场上有不少类似的公司做着未上市公司的股权交易（buy or sell ulisted shares）。

除了 Web2 的未上市股权交易，我们还在加密货币世界看到 OTC Coinlist 中签号，NFT 白名单号等等。这些需求都表示了对 OTC 平台的强烈需求。

OTC 平台最需要解决的就是信任问题。因为一级市场的锁仓时间有的时间很长，并且代币是打到指定地址的。如何保证卖方不违约就成了较为难解决的问题。

🌉 跨链

​2021 年是多链的生态格局。Solana，Avalanche 的崛起，用户们持续看好 Cosmos 和 Polkadot。

对于这样的多链生态，最不能缺少的就是跨链。跨链可以帮助用户在不同的链上转移资产，帮助项目方聚合不同链的流动性，提升资本利用率。如果没有跨链流动性聚合，一个龙头 DEX 无法在一条新链上借助原有的流动性快速崛起。

目前较为火热的产品多为跨链桥。当一个项目说自己具有跨链计划时，大多指的是项目会在多个链上进行部署。不同链上的仍旧独立运行。

在 2022 年，跨链将不局限于跨链桥。我们会看到有更丰富的跨链产品会给用户带来更好的跨链体验，给项目方代带来更多跨链的可能性。例如 Biconomy，Connext。

这些新产品会将不同链上的产品连接在一起。可能这在不同的链上较为困难，例如实现 ETH-AVAX 的互操作性，但我相信我们在 Cosmos 上会看到跨链的最新产品，会看到跨链的未来。Cosmos IBC 的使用体验比各个跨链桥要好上许多。

流动性和互操作性一直是 DeFi 的核心，因此我相信跨链对于多链格局是必不可少的。即便 Vitalik 认为跨链存在理论安全风险，但在主流链上进行跨链是不会遭遇 51% 攻击的。

⛓️ Layer N

!Unsupported embed

​除了多链架构，另一个有潜力便是 Layer N 架构。例如 Vitalik 最近推动的将以太坊作为 Layer 1，DA 层。在此之上搭建执行层 Layer 2，或许在此之上还有为 DApp 搭建的 Layer 3。这样的架构可以最大限度的保证安全性的同时，降低手续费，提高 TPS，给予开发者自由度。

在过去我们看到有太多的链打着高 TPS 的旗号来挑战以太坊。这些链以牺牲安全性，或者去中心化的形式获得 TPS。但我们发现这些链还是会堵。因此 Layer N 架构是目前唯一不牺牲安全性和去中心化程度提升 TPS 的方案。

在 2021 年，我们会看到 DA 层 SDK 的使用，会看到 Layer 2 或者 Layer 3 开发工具的出现。Layer N 的模块化会持续发展。

目前 DA 层的开发工具有 Polygon Avail 和 Celestia，但这两个还未上线正式网，SDK 也为公布。

🚏Find us

💻 Website： unblock256.com

✈️ Telegram： un.Block Weekly

🕊️ Twitter： @unBlock256

📧 Email：team@unblock256.com

📤 分发渠道：知乎 | Notion | Substack | Medium | Mirror | RSS | 即刻 | 微信订阅

视觉设计：Jenny

特别鸣谢：

• Newlearnerの自留地

• Android Weekly Update

本文非商业目的转载授权遵循 CC BY-NC 4.0 协议

版权所有 ©️un.Block 2021

项目简介

Web3go 是一个开源数据平台，类似 Dune Analytics。它目前的数据主要来自 Polkadot，Kusama 生态和平行链。对于链上的数据它提供类似于传统的 Data Analytics 服务，包括看板，可视化，整理，标注和分析。其让用户能自定义条件查询数据，并使用定制工具进行分析。它本身鼓励个人用户提供基于 Substrate 开发的链上数据和专业用户提供数据分析，并且获得收益。

开发团队介绍

同名的团队脱胎于去年的万向黑客马拉松，并且曾获得 Moonbeam 开发奖。作为Polkadot 生态下的优质项目自然也获得了这次 Web3 基金会的资助。

应用场景

链上资产和NFT数据分析。目前主要支持 Polkadot，Kusama 相关的平行链和 DeFi 产品。

机遇

数据分析是一个很好的赛道。相关的链上数据分析服务以后必然是刚需，不过也要看对应生态下数据的开放程度 - 毕竟隐私问题是 Web 时代就存在的，而且放到链上只会变得更加敏感。

评价

区块链快速膨胀的数据量确实是催生了这类分析服务的产生。笔者本身略有涉及数据推理，因此对这类平台的发展（Dune analysis，Web3go）始终是比较看好的。不过相关的服务并没有跳出类 Excel 的分析服务框架，也并不提供创新性的推理算法或服务，令笔者略感仍有提升空间。链上数据处理的一些诸如隐私和效率的相关问题它本身并没有非常明确和个性化的解决方案 。链上数据究竟要以何种方式被分析和转化成相关服务，直到现在，或许在以后的很长一段时间，都会是一个难题。Web3go 或许在分析服务本身上没有创新点，但是作为一个专注于特定生态下的数据分析项目，是一个好的开始。

👨‍🚀 Glaze & Jasmine：祝大家感恩节快乐！🦃 火鸡肉很柴，不好吃。

如果你喜欢本期内容，不妨在阅读后给我们点个 ❤️ ，并在下方订阅 un.Block Weekly ⬇️

🚀 链圈热闻：zkEVM

zkSync 首个推出基于零知识证明的 EVM。记得之前我们介绍 Layer2 技术的时候就提到 Optimistic Rollup 具有兼容性优势，它可以很方便的继承 EVM，但是它的提款周期实在是太长了。目前 Optimistic Rollup 上的一些 DEX，提供了快速提款的功能，一定程度上弥补了这个短板。ZK Rollup 具有性能优势，但是 EVM 的兼容性没有那么容易。现在，我们终于等到了这一天，zkEVM 的出现，标志着 ZK Rollup 进入下一个时代。

在 zkEVM 之前，为 ZK Rollup 开发应用的体验并不好。大多数情况下，开发者得学习他们特定的语言，手把手编写非常底层的电路。例如在 Aleo 上开发，我们需要使用 Leo。

因此一个具有泛用性的虚拟机，具有高抽象性，兼容目前的开发流程会对于 ZK Rollup 的生态有重大意义。

EVM 电路化

大家对此的思路都是 把 EVM 全部电路化。但这样的问题在于，做一个简单的加法就要跑一遍 EVM 的证明。这使得计算量很大。解决的思路大致有：

• 使用更加 ZK 友好的运算，例如 SHA265 在电路中的性能开销是 Peisondon Hash 的 100 倍

• 使用效能更高的 VM 而不是原封不动的 EVM

• 更快的加密学库

将 EVM 电路化的难点有：

• EVM 不支持椭圆曲线。椭圆曲线是证明中很重要的工具

• EVM 的整数是 256 位，ZK 更加适用于 32-46 位整数。整数位数的不同会需要对每一步运算添加约 100 个额外约束

• 许多独特的 OPCODE

• 基于栈的虚拟机

• 以太坊的存储系统依赖于 Keccak 和 MPT。这两种技术一点对 ZK 并不友好，需要更多的计算资源。如果更换 Keccak Hash，则会不兼容 EVM

• EVM 层面的证明需要大量的电路

然而以下技术的突破使得电路化 EVM 变得有了可能：

• Polynomial Commitment：Setup 的复杂度和约束复杂度无关

• 更强的查找表（Lookup Table），允许自定义小工具：可以加速对 ZK 不友好的运算

• 递归证明更加的高效

• 硬件加速

Layer 1 和 Layer 2 EVM 在执行上的区别

• 智能合约以字节码的形式存储在链上。当收到被广播的交易后，节点会从存储中加载对应合约，并在 EVM 中执行

• Layer 2中，智能合约以字节码的形式存储在存储中。交易从链下发出，并在中心化的 zkEVM 节点中被执行。zkEVM 会生成一个证明来展示虚拟机状态已经根据交易进行了变化。当证明被提交到 Layer 1 的智能合约后，合约并不会重新执行提交的交易，而是根据证明直接更新状态。 那么这些证明包含了什么呢？执行字节码时，EVM 会一次执行字节码中包含的 OPCODE。执行每一个 OPCODE 都对应一下步骤：

  • 从栈，内存，存储中读取对应数据

  • 运算

  • 将结果写回栈，内存，存储 因此 zkEVM 的证明也包含以下对应执行步骤：

  • 字节码被正确地加载

  • OPCODE 被连续地依次执行

  • 每个 OPCODE 的执行结果都是正确的

zkEVM 采取的一些优化

• 类似 Verifiable Storage 的方式来证明 zkEVM 读取了正确的数据。

• JUMP 之类的 OPCODE 给证明带来了困难。因为在不固定输入的前提下，我们不知道 JUMP 会跳到那里。因此 zkEVM 采取了对所有可能的执行流程都进行了证明，并且存在一个查找表中。

• 为每一个 OPCODE 的读写、执行设计证明电路。zkEVM 将读写和证明分成了两个部分，这样可以减少计算量。例如我们不用在计算的证明中操心整个存储的状态。

• 通过为每个 OPCODE 设计可以方便开启和关闭的约束，来减少每一步的重复证明。

📔 相关阅读：

• zkEVM Overview

• StarkNet Alpha 2. New Phase: Composability | by StarkWare | StarkWare | Medium

• https://github.com/appliedzkp/zkevm-specs

• zkEVM Design Doc

🍼 保姆级教程：LaunchPad

LaunchPad：好项目的火箭发射基地

来到第 27 期的保姆级教程，我已经要和团队成员讨论改写什么给新手读者了，假如你是从第一期开始阅读 un.Block 保姆级教程的读者，相信你也会像我一样，从一个什么也不懂的小白，变成对很多名词都“略懂一二”的新手玩家。本期我们打算和大家分享一个比较有意思，同时也是最近比较热门的东西 —— LaunchPad。

三角关系：LaunchPad & 项目 & 用户

LaunchPad 的中文意思是“启动台”，顾名思义，就是一个提供给项目启动的平台。许多大型项目，或者说正经项目，都会选择在数轮私募融资后，在 LaunchPad 进行公开募资（IDO，关于 IDO，这里不作过多解释，有需要的话我们可以单独写一期）

在 LaunchPad 项目可以收获来自 LaunchPad 社区的大量流量和关注度，进一步用户和充实原有的社区基础；反之，好的项目登陆 LaunchPad，也可以给 LaunchPad 带来很高的社区流量，同时提高 LaunchPad 治理代币的价格（或价值）。

至于用户，我觉得这是 LaunchPad 中最关键的一环。用户带来流量，同时带来资金，这两项都是项目成长的必备元素。用户通过质押治理代币，来获得参与项目 IDO 的额度，能够在公平的前提下，以较低的成本投资到优质的项目。

在这个三角关系中，理想情况下，LaunchPad 平台、即将上线的项目和参与项目的用户，能够各取所需，互惠互利。

普通用户参与 LaunchPad

我们作为一个小白用户，如上文所说参与 LaunchPad 优质项目的的 IDO，可以以较低的成本投资到优质的项目。那么我们需要做什么呢？

1. KYC 认证：大部分的 LaunchPad 首先都要完成 KYC（Know Your Country）实名认证，这是为了防止机器人泛滥，以及合规化问题。

2. 质押 LaunchPad 平台治理代币以参与项目 IDO：通过质押治理代币，我们可以活动项目的 IDO 额度。这里需要留意质押的方式，以及额度的计算规则。常见的玩法有：

   1. 无下限，无上限，0门槛质押：额度占比 = 时间*质押数量 / 全池总量。这种是门槛较低，也是最容易参加的，当然门槛低意味着会有很多用户参与，因此最后得到的额度也不会太多

   2. 有下限，有上限，有门槛质押：这类质押与上一种质押方式类似，但设置了数量下限与上限，增加了对用户的限制，一定程度上能让参与者获得较为平均额度

   3. 固定额度，抽奖型质押：这类质押方式的额度占比是固定的，但不是每个参与质押的用户都能得到额度分配。这种模式类似于抽奖，质押就相当于购买门票，抽中了获得不错的额度

   额度的基本计算思路都是数量和时间，简言之，你拥有的治理代币越多，质押的时间越长，将获得越多但额度。需要注意的是，治理代币的价格是浮动的，热门的项目登陆 LaunchPad 会提高治理代币的需求，导致价格上升；IDO 活动结束后，假如没有后续的项目，用户会选择抛售治理代币，导致价格下跌，因此控制 LaunchPad 治理代币的成本，也是很关键的一点

3. 根据额度，投入资金，获得代币：这是整个活动最简单的一步，也是最直接的一步，就是打钱，投入资金后，等到到既定的时间，就可以领取代币了。至于领取代币之后的操作，各人各人的策略，这里就不作讲解了。

关于 LaunchPad 的感想

LaunchPad 是好项目的发射站，但不代表所有登陆 LaunchPad 的项目都是好项目，这要看 LaunchPad 团队的实力，有没有能力吸引到优质项目登陆，也要看团队的眼光，有没有能力在众多项目之中找到那一颗珍珠。

📔 相关阅读

• Impossible Finance

• Avalaunch

📘 附加题

相信提到人工智能（Artificial Intelligence，AI）或者机器学习（Machine Learning，ML），哪怕是完全不从事这个领域的人也会略知一二。自从十年前随着硬件革新再度爆发之后，无数相关的概念和产品喷薄而出，最终在移动互联网时代形成了我们现在所看到的格局。

既然它在这个时代的“红海”无处不在，相关的专家和从业者们自然也不会放过区块链这个新的“蓝海”。就在不久前，已经改名 Meta AI 的 Facebook AI 宣布下场，与 Oasis Labs 合作（具体项目细节尚未披露）。而由两位前Deepmind 研究院组建的 Kosen Labs 也接到了来自 a16z 领投的 500 万美元种子轮融资。

你对 AI/ML 在这个能够迸发的潜力会有所期待吗？

Oasis Labs 宣布与 Meta AI 合作

Kosen Labs 白皮书

Kosen Labs 宣布得到 a16z 领投

🔔 订阅 un.Block Weekly 🔔

🚏Find us

💻 Website： unblock256.com

✈️ Telegram： un.Block Weekly

🕊️ Twitter： @unBlock256

📧 Email：unblocketh@gmail.com

📤 分发渠道：知乎 | Notion | Substack | Medium | Mirror

视觉设计：Jenny

特别鸣谢：

• Newlearnerの自留地

• Android Weekly Update

本文非商业目的转载授权遵循 CC BY-NC 4.0 协议

版权所有 ©️un.Block 2021

忠告：借錢梗要還、咪俾錢中介

最近关于借贷市场的新闻挺多的，上周有因 BetaFinance 上线 Binance LaunchPad（需要持有 BNB 来获取配额），导致各大平台 BNB 借贷利率暴涨；这周有 Geist Finance 上线 Fantom，提供高额的借贷奖励，TVL 迅速攀升。

今天我们就来讲一下关于 DeFi 借贷的基本知识（以下全部内容都是非投资建议，加密货币投资具有高风险）

在链下世界，我们如果去借钱，借贷关系是 P2P（点对点关系） 的，通常都需要和贷方签订借贷合同，合同上会写清楚借贷的时间，利率。理论上，我们需要按期还款并支付利息，逾期不还则会被催债甚至遭受信用危机。

但在链上，借贷关系并不是点对点的。大部分项目都采取 “资金池” 的方式解决资金流动性的问题，我们的借和贷，都是和资金池进行交互。借和贷的需求通过智能合约进行撮合，无需签订合约。

• 「放贷人」，可以随时将闲置资金投入资金池，获取放贷利息收益，可以在任意的时候将资金取回

• 「借款人」，可以随时从资金池中借出资金，在任意时候进行还钱并支付利息

• 借贷平台将根据资金池里的资金情况，实时动态调整存款利率和借款利率

和传统借贷相比，DeFi 借贷更灵活、使用起来更方便快捷，它大大地促进了 DeFi 世界的资金利用率。

DeFi 借贷中的操作

DeFi 借贷主要有这么几个关键事件：存入、取回、借入、还贷、清算、利率更新，下面我们将为大家逐一讲解

存入

存入是使用借贷服务的第一步，也是最基础的一步。我们将闲置资金投入借贷池，可以得到凭证代币，凭证代币就是我们权益证明，凭证代币丢失，我们就无法取回资金。同时，凭证代币是我们进行借入操作所需要的抵押物。

取回

取回，是存入的逆操作，当我们想从资金池中撤出资金时，向借贷池提供我们的凭证代币，就可以得到当初存入的资金和利息收益。

借入

DeFi 世界暂时不存在信用贷款，借入资金前，我们需要提前存入资金。我们可以通过抵押凭证代币，来借出同类或其他类型的代币。不同类型的代币，根据价值和流动性，会有不同的最大抵押率与清算阈值。

• 最大抵押率：最大可借出资产 / 抵押物价值，例如 ETH 的最大抵押率是 80%，我们存入 10 ETH 作为抵押，就可以借出 8 ETH 等值的同类或其他代币

• 清算阈值：抵押物面临被清算的门槛比率，通常清算阈值会高于最大抵押率，当抵押物价值下跌，或借出代币价值上涨，导致抵押率超过清算阈值，就会触发清算机制。例如 ETH 的最大抵押率是 80%，清算阈值是 90%，我们存入了 10 ETH 作为抵押，借出了 8 ETH 等价值的 BTC，当借出 BTC 价格上涨至等于 9 ETH，或 ETH 价格不断下跌，借贷抵押率突破 90%，我们抵押的 10 ETH 就会被清算。

还贷

还贷是借入的逆操作，我们需要支付我们当时借出的代币，并支付相应利息，就可以取回我们当时质押的凭证代币，然后取回我们当时的抵押资产。

清算

关于 DeFi 借贷，还有一个健康系数需要关注，它代表了我们账户目前的健康状态，如果健康系数低于 1，就会面临清算

健康系数 = ∑(抵押物*清算阈值)/(借款额+借款利息)

当抵押率突破清算阈值，我们的抵押资产就会面临清算危机，部分抵押资产将会被低价拍卖，用户提高账户的健康系数，从而避免全部资产被清算。

清算是为了避免系统性金融风险的发生，借款人将受到惩罚，清算人将获得奖励，清算人可以以低价购入高价值代币，进行套利操作。

利率更新

DeFi 借贷的利率是实时更新的，存入、取回、借入、还贷、清算操作，都会导致利率的波动。和传统借贷的稳定利率不同，DeFi 借贷的利率是浮动的。当然，也有借贷平台尝试基于过去的借贷利率，结合资金池的资金状况，给出某一周期内的“稳定利率”。

结语

以上就是传统借贷和 DeFi 借贷的区别，以及 DeFi 借贷中的一系列关键操作。上述的许多内容都可以开展进一步的分析和学习，感兴趣的读者可以自行了解，我们也会在后期文章中更深入的讲解关于借贷的知识。

相关阅读

• HOW DOES DEFI LENDING WORK?

• 详解DeFi 借贷系统的技术原理

Algorand 是一条速度快，不兼容 EVM，没啥生态的光秃秃链

这几个月 Algorand 频繁的出现在我的消息列表了，这一期我们就为大家介绍一下 Algorand。

Algorand 是由一名 MIT 教授在 2017 年所创建的。这位教授认为 Algorand 可以解决以太坊创始人 Vitalik 所提出的稳定性悖论，即扩展性，安全性，去中心化只能三者取其二。

共识

Algorand 采用 Pure Proof-of-Stake。网络参与者对产生下一个区块的影响力正比于他们所拥有的代币数量。他们拥有的代币数量越多，他们对下一个区块的影响力越大。所用拥有代币的用户都可以影响下一个区块的产出，并且代币并不需要质押进行锁定。

Algorand 的每秒处理速度大于1000笔交易，8400万交易/天，4秒一个区块，每笔交易手续费 $0.001。

作为比较，以太坊的TPS（Transactions Per Second）为 13，15 秒出一个区块。交易手续费高的离谱。

BSC 的 TPS 为55 - 60，5 秒一个区块。

宇宙最快区块链 Solana 的 TPS 为 6 万 5 千。800 毫秒一个区块。

POS 中常见的一种是 Delegate Proof of Stake（DPOS）。EOS 使用的便是 DPOS。在 EOS 网络中，并不是所有拥有代币的用户都可以影响区块的产出，而是只有 21 个用户可以决定区块的产出。这 21 个用户由所有用户投票产生。通过牺牲一定的去中心化程度，EOS 获得了更快的区块处理速度。

另一种常见的是 Bonded Proof-of-Stake（BPOS）。用户通过质押代币来获得对下一个区块的影响力。质押的代币将被锁住一段时间。在这段时间里，用户无法使用这些代币。

生态

Algorand 将自己定位为驱动传统金融和去中心化金融加速融合。根据 DeFi Lama 的数据，Algorand 的总锁仓量排第 32 位，锁仓金额为八千万美金。目前它的 DeFi 生态只有 Yiedly。在 Yieldly 的官网，它们介绍到 ”The world's first and only DeFi suite on Algorand“。Yieldly 包含存款，跨链交易，赌博。

⚙️ 开发

Alogrand 支持智能合约，提供 Python，JS，JAVA，GO 的 SDK。Algorand 使用 Algorand virtual machine (AVM)。

Algorand 支持原生资产，即创建的资产和 Algo 享有同样的功能。从 Asset 的参数上，我们就能体会 Algorand 的定位了。Asset 拥有以下参数：

• Creator (required)

• AssetName (optional, but recommended)

• UnitName (optional, but recommended)

• Total (required)

• Decimals (required)

• DefaultFrozen (required)

• URL (optional)

• MetaDataHash (optional)

• Manager Address

• Reserve Address

• Freeze Address

• Clawback Address

最后几个参数赋予对应地址管理 Asset 的能力。如果这些同样的资产出现在以太坊上，则可能会有中心化的问题。

Algorand 的合约分为 Stateful Contract 和 Stateless Contract。 Stateful Contract 就跟我们印象中的智能合约一样，拥有状态变量，处理 DApp 的主要逻辑。Stateless Contract 又叫 Smart Signature，用来为交易自动签名。Stateless Contract 可以用来管理账户资产，并且并不支持远程调用。

相关阅读

• Algorand’s pure Proof-of-Stake approach

• Smart Contract

机枪池就像我们的理财经理，协助我们在低风险的前提下获取稳定收益

假如我有很多很多的稳定币，我要怎么做才能得到长期稳定的收益？其中一个答案就是：使用机枪池。

什么是机枪池

机枪池的英文是 Vault，他的本质是区块链收益聚合器，用户投入资金后，机枪池中的智能合约会自动执行投资策略，以达到稳定高收益的目的。

机枪池中的投资策略是可切换的，当某一策略的投资收益下跌至不是最高，智能合约就会自动切换到收益最高的策略，就像机枪扫射一样。

机枪池的优势

• **使用简单方便：**比起自己每天定时去挖矿、提币、卖矿币（挖提卖策略），其中可能还会出现人为的操作风险，使用机枪池只需要将代币投入到池中就可赚取收益

• **相对稳定的高收益：**机枪池会替用户定时执行复投操作。同时，对于交易手续费高的网络，如 Ethereum，独立用户每天频繁进行复投是不实际的（收益不一定能比手续费高），但机枪池可以将大批资金进行更频繁的复投，一次复投的手续费由大量用户均摊，划算。

• **优选项目&自动切换策略：**机枪池会选择相对可靠的项目进行投资，而不是土狗矿；某些机枪池会根据项目收益的涨跌来切换及时策略，将收益维持在高水平

• **安全性高：**大型的机枪池会经历过安全审计，相对靠谱。当然，也有一些土机枪池，高收益，但高风险

不同的策略，不同的收益

现行的机枪池策略主要有这几种流派：

挖矿策略：

• 用户将单币存入机枪池，机枪池采取策略，将代币存入其他流动性挖矿、借贷项目中，获取矿币收益；同时，大多数的机枪池项目会额外给予用户代币补贴

• 优势：收益相对稳定，项目运行时间较长，大多数项目已经度过了头矿挖卖提的阶段，通过机枪池部分收益回购或者二级市场购买力等方式来对项目代币进行价格支撑

• 劣势：策略比较被动，一旦策略目标池的机制发生变化（锁仓机制、砍头息等），会直接影响机枪池的收益

杠杆挖矿策略：

• 在纯挖矿的基础上增加杠杠，将本金作为抵押物，借入更多代币，放大本金，再进行流动性挖矿

• 优势：放大挖矿本金，获取更高的收益

• 劣势：

• 杠杆挖矿存在借贷环节，可能会有爆仓风险

  • 矿池深度有限，资金经过杠杆放大后进入矿池，滑点可能很高，短时间的进出收益不一定能抵消滑点造成的损失

  • LP挖矿存在无常损失的风险

撮合 LP 挖矿策略：

• 通过合约自动将质押的币种进行撮合配对，组成 LP 后挖矿，对冲无常损失，获取收益

• 优势：利用撮合机制来组 LP，帮用户减少无常损失

• 劣势：对用户量、资金量有要求，资金投入的取出有一定风险

机枪池存在的风险

机枪池不是保险库，他也有被黑的风险，例如在 2021 年的 5 月 20 日，BSC 上最大的机枪池 PancakeBunny 就被黑客攻击，虽然 Vault 资金池没有被直接攻击，但 Bunny 的价格闪崩影响到了部分池的收益。

近期 Fantom 上的 Reaper 机枪池，也发生了一起荒唐的安全事件，项目方在部署合约到主网时，手误多删除了一行代码，导致用户无法提币；随后问题继续发酵，直接导致资金锁死 ，庆幸项目方随后找到了解决方案，承诺会全额退款。

总结

对于追求稳定收益，或是无暇管理资金的用户，机枪池是一个很好的选择。但在选择机枪池项目前，记得留意机枪池所采取的策略，以及合约的安全性，避免造成资金损失

相关阅读：

• 一文科普DeFi中的机枪池

• DeFi 之道丨科普：一分鐘瞭解 Yearn 機槍池（Vault）

最近有一款叫 Rarity 的链游红透半边天，今天我们就来分享一下这个链游的相关入门

Rarity 是什么

Rarity 是一个基于龙与地下城玩法的区块链游戏，智能合约由 Andre Cronje 开发，运行在 Fantom 网络上。项目一开始，大家对他的评论是：Loot 的仿盘，谁知道它在上线几天后走出了自己属于自己的路线。

得益于 Fantom 网络的低交易手续费，比起 Ethereum 的 Loot（限量且高额铸造手续费），不限量、便宜的 Rarity 能够让更多的用户加入到游戏当中，共同享受冒险的乐趣。

游戏角色

Rarity 目前设置了 11 个不同的角色，由野蛮人、有巫师、有其实等等，每个角色的都有自己的潜在的属性倾向，这些潜在的属性倾向会营销到后面属性点数的分配。

Rarity 是免费的链游，召唤新的角色只会收取交易手续费，你可以随心所欲的召唤各种不同的角色来开展冒险之旅～

每日冒险

召唤了角色之后，每个角色每 24 小时可以开展一次冒险，每次冒险可以获得一定数量的经验值，经验值可以用于角色的升级。

角色升级将解锁更丰富的技能和玩法（截止至发稿，角色等级最高为 LV.2 ）

属性点

每个角色都有如下属性：

• 力量 Strength

• 敏捷 Dexterity

• 韧性 Constitution

• 智力 Intelligence

• 感知 Wisdom

• 魅力 Charisma

属性点分配是这个游戏中重要的一环，因为属性点的分配会直接影响到角色的实际战斗力，因此在为角色分配属性点之前，需要分析和思考，你想你的角色变成什么样。当然，也有很多高级玩家为我们小白准备了关于属性点的分析以及模拟器 Rarity属性点设计剖析 ｜*Rarity 加点模拟器*

地牢冒险

每日冒险是获取固定的经验值来升级角色，地牢冒险则是你的角色进入到地牢中，和猛兽战斗，假如战斗胜利，将会获得战利品（肉、兽皮等等）。

目前比较推荐使用力量型英雄进行地牢冒险，和猛兽对抗，因为这样胜率较高；和每日冒险相似，每个角色每天可以进行一次地牢冒险。

交易市场

Rarity 的角色是可交易的，你可以将你高等级、高能力，甚至是序号靠前的角色放到市场进行交易，来获取利润。假如你想一开始就体验 2 级角色的玩法，你也可以去市场自行购买一名 2 级角色。

交易市场的出现刺激了 Ratity 玩家对游戏的热情，早期召唤的角色莫名其妙的变成非常昂贵。

游戏界面

Andre Cronje 仅开发了游戏的智能合约，因此，Rarity 是没有一个既定的前端游戏界面的。目前，网络上有许多开发者和画师投身到 Rarity 的开源二次建设中，为广大玩家创作风格各异的界面，提供不同的游戏体验。

有的界面很简单，就是一目了然的文字和窗口；有的界面会有炫酷的插图和按钮，带给玩家更好的视觉体验。

• 文字游戏界面

• Rarity.Game

• Rarity Manifested(画面精美)

社群

为了让大家能有一个地方交流和 Rarity 相关的话题及攻略，我们建立了一个 “Rarity 补给站” 的 Telegram 群组，欢迎大家来玩。

同时，我们也极力欢迎没接触过区块链，或者是对区块链感兴趣的朋友，借 Rarity 的机会，进入到区块链的奇妙世界。

un.Block 将会给想玩这款链游但缺少 FTM 代币的读者提供手续费支持，大家可以放心来玩。

相关阅读：

• GitHub 开源合约项目

恭喜领到 dydx 空投的读者。这期我们将为大家介绍一个还未发币的借贷项目 Beta Finance

如果你听说过 Alpha Finance，那么从名字上就能感受到 Beta Finance 和 Alpha Finance 的直接联系。在经济学上，Beta 用来衡量金融资产的风险。的确如此，Beta Finance 是一个与借贷，做空有关的产品。做空可以用来降低风险。

Feature

做借贷的产品有很多，比如 AAVE。但是再加上一个做空，产品就不是那么多了。直觉上做空和借贷似乎是相似的事情。做空就是我借了别人的代币，再把这些代币卖掉。此时只要币价下跌，投资者就可以获利。按照币价下跌就可以获利的描述，去中心化期权也能达到类似的效果，但期权和通过借贷实现做空用户操作上还是略显复杂。Beta Finance 便是提供了一键做空的功能。用户提供保证金后，Beta Finance 在合约中自动帮用户借钱，并在 DEX 种兑换成抵押品。

⚖️ 风险评级

Beta Finance 最具特色的还是它对风险的量化。目前 Beta Finance 只接受 USDT，USDC，DAI，ETH 作为抵押品。其中 ETH 的抵押率为 0.8，其余皆为 0.9。也就是说如果我抵押 100 USDT，我实际的借贷能力是 100*0.9=90。

对于借贷资产，也就是你将要借出来的代币，Beta Finance 像划分信用评级一样，将它们划分为 S 到 C 6个等级。等级越低的资产，便是波动性越高的资产，将要求更多的抵押品。

评级的标准 Beta Finance 清楚的列在了*官网*上，但这些量化标准是不是真的可靠，有待时间的考验。

风险分为三种，智能合约风险（Smart Contract Risk），对手方风险（Counterparty Risk），和市场风险（Market Risk）。

智能合约风险的评判标准为以下几条：

• 交易数量

• 代币拥有者数量

• 审计报告数量

• 漏洞奖金计划（Bug Bounties）

• TVL

• 上线时间

对手方风险为以下几种：

• 项目中心化程度

• 监管风险

• 团队风险

市场风险分为：

• 24 CEX/DEX 小时交易量

• DEX 流动性

• 1、4小时波动性

• 不同的预言机价格差距

通过这几个方面的判断，Beta Finance 便给代币划分了不同的等级。这样的分级制度将比打分制度计算上更加简单，因为打分的话还要考虑如何把这些评判标准量化并用合理的方式组合在一起。

在下一个阶段，Beta Finance 还计划开放更多的代币种类。用户也可以自行添加新的代币。

相关阅读：

• 读懂Beta Finance：Alpha Finance Lab孵化的DeFi衍生品市场

闪电贷是好是坏，谁知道呢？

什么是闪电贷

闪电贷是在一笔交易内完成借、还操作的贷款工具

闪电贷可理解为无抵押贷款，借款人无需提供任何抵押品，也不需要通过任何信用评级或类似的审查。值得注意的是，闪电贷的还款必须在同一笔交易中完成。

闪电贷的交易程序可以分解为三大步骤：接收贷款、使用贷款与**偿还贷款，**整套程序均在瞬间完成：

1. 交易提交至网络后，这些资金暂时划拨给用户使用

2. 用户可以利用资金开展投资、套利等活动

3. 用户需要按时还款并交付手续费；否则，网络将否决这笔交易，资金将返还给出贷方

实际上，就区块链而言，出贷方始终拥有资金，因此，出贷方不需要获得抵押品，智能合约程序会执行强制还款。

闪电贷喂价攻击

聊到闪电贷，就不得不讲最常见的攻击方式：闪电贷喂价攻击。首先，需要澄清的是：在这种攻击事件中，闪电贷只是作为一个攻击资金来源，并不是攻击的手段。

下面我们通过一个例子来讲述闪电贷喂价攻击的过程

受害者：某 DeFi 借贷协议，该协议只从某一 DEX（去中心化交易所）获取喂价数据

攻击过程：

1. 借钱：黑客从一个支持闪电贷的借贷协议借入大量代币 A

2. 操纵价格：黑客在 DEX 上，将大量的 A 代币换成 B 代币，导致 A 的价格剧烈下跌，B 的价格剧烈上涨，脱离真实的市场水平。由于受害的 DeFi 借贷协议只从这一个 DEX 获取价格数据，因此受害协议的 A 价格也下跌，B 价格也上涨

3. 攻击借贷协议：黑客到被害协议进行借贷，抵押代币 B，借出比原来更多的代币 A （由于价格数据被操纵，A 的价格很低，因此可以借到高于正常量的 A ）

4. 还钱：将得到的部分代币 A 还贷，多余部分的 A 就是攻击得到的利润，闪电贷过程结束

后续：随着 DEX 中的代币 A 和 代币 B 的价格不断通过套利行为回到真实的市场水平，被害 DeFi 协议中会出现债务 > 抵押物价值的情况，正常用户的利益收到了侵犯

如何使用闪电贷

闪电贷是一项主要面对开发者的借贷工具，有一定的使用门槛，使用者需要熟悉区块链智能合约开发，具体的代码编写教程我们会在下期和大家分享。

实际上，使用闪电贷也不是一定要编写代码，目前有许多的乐高式的闪电贷 DApp 能够让你以拼积木的形式使用闪电贷，就像我们日常使用的 Workflow 一样方便：

• DeFi Saver

• Collateral Swap

• Furu Combo

比起写具体的代码，通过这些工具来使用闪电贷，能够有更好的使用体验。

相关阅读：

• 什么是DeFi中的闪电贷？

• AAVE - FlashLoan

随着 NFT 和 Gamefi 的热度上升，这期我们为大家介绍 Flow - 专为 NFT 和游戏设计的一条链。

Flow 是 CryptoKitties 的开发团队专为游戏和 NFT 设计的一条公链。目前公链上有 NBA Top Shot，育碧 等项目。

处理速度

Flow 采用多角色的架构来提高处理速度。相较于常见的 Layer2，分片。Flow 认为分片使智能合约间的交互更加复杂，容易出错，损害可组合性，无法保证对事物状态的 ACID（原子性，一致性，隔离性和持久性） 的要求。

Flow 意识到验证节点处理不同任务的速度是不一样的。于是他们将验证节点的职责细分，让部分验证节点专注于一小部分的任务。

Flow 将任务分为非确定性任务和确定性任务。

• 非确定性任务需要更少的计算资源，例如确定区块链中的交易是否存在以及他们的顺序

• 确定性任务需要更多的计算资源，例如计算交易结果

这样的任务的划分实际上是将计算任务和共识分开。

如上图所示，Flow 一共设置了 4 个角色：

• 共识节点：确定交易的存在性以及顺序

• 验证节点：监督执行节点

• 执行节点：执行交易相关的计算

• 收集节点：增强 Dapp 的网络连接和数据可用性

共识节点所采用的是 Libra 使用的权益证明算法 HotStuff 的变体

开发

Flow 采用了 Cadence 作为它的智能合约编程语言。Cadence 使用面向资源的编程范式。资源指的是具有可编程性的安全数字资产。面向资源的编程范式给予开发者创建独一无二耐用数字资产的能力。资产的所有权则由语言本身追踪。这些特性听起来是专为 NFT 和游戏等特别专注于资产所有权的应用量身打造的。

在采用面向资源编程之前，Flwo 认为现有的编程环境可以追踪资产所有权，但是不能直接定义所有权。然而区块链公链就应该是为了管稀有资产的所有权。

以下这个例子应该可以让各位读者进一步了解面向资源的概念。

上图是 CryptoKitty 合约的一个示例图。在使用 EVM 的以太坊上，所有的 Kitty 都存储在一个合约里面。想要知道谁拥有某只 Kitty，我们就要查询这个合约里的一个字典。想要更改某只 Kitty 的所有权，我们需要在这个合约里面进行更改。

上图是面向资源的一个例子。我们使用 resource 对象来表示 Kitty。Kitty 直接存储在拥有者的账号里。这就更像是现实世界，拥有者直接拥有 Kitty，而不是得去一个中心化的机构进行查询所有权。

除了 Cadence，Flow 还提供 Flow Go SDK，Flow JS SDK，VSC 插件，Flow Playground GUI，FTs 和 NFTs 两个标准。

Flow 的另一个特色便是智能合约的可升级性。开发者能够以测试状态部署智能合约，并允许逐步升级。在最后，开发者可以选择发布正式版，并放弃合约控制权。发布正式版后，代码将完全不能篡改。

为了方便用户使用，Flow 支持 Ramp。用户可以在 Ramp 上购买 Flow 网络的 fUSD。

总结

相比上周令人眼前一亮的三链架构，Flow 采用了多角色模型来保证交易速度，并采用面向资源的编程范式。我们可以明显感受到 Avalanche 和 Flow 是为了不同的目的而进行设置的。

相关阅读：

• Flow 入门必读

• Flow：为消费 Z 世代而生的高性能公链

• HotStuff: BFT Consensus in the Lens of Blockchain

• Resource-Oriented Programming

• Resource-Aware Session Types for Digital Contracts

我们在合约中的资产真的安全吗？

⚠️ 中心化风险

很多时候，我们都能看到由中心化风险的智能合约，这类智能合约通常存在一个管理员 owner ，管理员有权执行一些关键性的操作，例如调整资金费率，但他也可以执行危险的操作，例如从合约中抽取资金。这样的一个管理员就像双刃剑，他可以更好的管理合约内资产，但他也能够窃取我们在合约中的资产，一旦不被限制的管理员作恶，或是密钥被盗，后果将不堪设想。

因此，我们应该采取一些手段来限制管理员的关键操作，保护我们珍贵的代币。

时间锁

时间锁是在合约代码层面上限制管理员的关键操作，给用户足够的反应时间来应对突发的危机，如 rug 和代币盗窃。

假如没有 TimeLock 机制，管理员的各种操作会被马上执行，TimeLock 机制但出现，将一项操作分成了两个阶段：等待和执行。

我们以 Compound 的 TimeLock 作为分析例子

当管理员想执行一项新的操作时（有新的 transaction），操作会被加入到等待队列中

在这个函数中 eta 代表了预期执行的区块时间， eta 必须大于当前时间 + 时间锁的延迟时间，换句话说，操作要等到 eta 后才能执行。

时间锁结束后，管理员就可以执行相应的操作。

在执行操作前，函数会对操作的哈希值进行检查，确保即将执行的操作是已经存在于队列中的，以防暗渡陈仓；同时会检查当前时间是否已经过了解锁时间，然后再执行操作。

假如这一项操作是 rug，或者跑路，由于时间锁的存在，这些危险操作无法立即被执行。时间锁给用户争取了宝贵的资金撤离时间。

多签名钱包

通常，我们使用的钱包都是单签名钱包，执行操作前只需要我们本人进行签名批准。但对于管理员来说，单签名钱包是危险的，万一密钥泄漏，黑客可以使用管理员钱包进行各种可怕的操作，对项目造成重大损失。

多签名钱包可以防止灾难的发生，即使黑客盗取了其中一个管理员的钱包密钥，但他也难以开展盗窃行动。

多签名钱包有以下特点：

• 所有管理员都能看到钱包资金和全部交易记录

• 执行操作需要至少一个或多个管理员的签名许可，这是多签名机制的核心

• 每个管理员都有独特的助记词，一个管理员的助记词丢失，可能造成签名不足的情况，操作无法执行

多签名钱包的机制有许多种，比较下面我们和大家分享比较简单的两种：

1. 3-3 钱包：由 3 个（或多个）管理员共同管理，每一项操作都需要 3 个管理员（全部管理员）共同签名。这种机制是最安全的，但使用较为麻烦，要求每个管理员都保管好密钥

2. 2-3 钱包：由 3 个（或多个）管理员共同管理，每一项操作都需要 2 个以上的管理员（过半数管理员）共同签名。这类机制更为灵活，不需要全部管理员的签名也能执行操作，但安全性不如第一种

结语

在进行 DeFi 投资前，我们鼓励大家去浏览一下合约代码，检查是否存在中心化风险，是否存在时间锁的机制来防止危险操作，以及项目方的管理员钱包是否安全，是不是多签名钱包。简单的安全检查可能会耗费你的时间和精力，但别忘了，这关乎着你的巨额资产。

相关阅读：

• Compound 的 TimeLock 代码

• What is a Multisignature (Multisig) or Shared Wallet?