小美-分析師

当我仔细研究 Midnight Network 的开发者网络 (devnet) 时,我发现它不仅仅是一个简单的區塊鏈測試网络。它更像专门为隐私开发而建造的实验室。該開發者網路將於 2023 年向開發者開放,旨在讓有經驗的區塊鏈開發者和好奇的新手都能體驗隱私保護智慧合約。最令我印象深刻的是,即使不太了解区块链的人也参与其中。在本地设备上测试业务逻辑后,开发者可以将这些应用程序移植到实际的区块链上。
开发者的工具设计力求让用户感到熟悉。 Compact 是Midnight 开发的智慧合约语言,其结构类似于 TypeScript。由于大多数开发者熟悉 TypeScript,因此 Compact 并不令人担忧。在 Compact 合约中,开发者可以明确定义哪些信息是公开的,哪些是私密的。为了简化验证过程,一些高阶 TypeScript 特性被有意移除。即使经过这些简化,语言仍然足够强大,开发者不需要深入了解密碼学来创建应用程序。合约完成后,可以将其编译并直接部署到开发网络。之后,可以使用瀏覽器錢包测试应用程序,并与其他测试人员分享,以了解其运行情况。
开发网络还包含一个名为 tDUST 的测试代币。该代币目前只存在于开发环境中。在测试期间,开发者可以通过水龍頭获得 tDUST,并将其用于支付交易费用或转移受保护的资产。整个环境鼓励实践。使用本地工作進程创建零知识证明,通过发布/订阅服务存取區塊鏈事件,使用 Chrome 扩充功能管理 Midnight 资產,并使用 Visual Studio Code 创建应用程式。
大部分开发过程都在本地进行,这是另一个值得注意的细节。大多数工具直接在开发者的计算机上运行。因此,测试不需要将敏感数据发送到远端基础设施。這種設計選擇對於重視隱私的應用程式至關重要。

同样的原则也适用于验证系统。本地验证伺服器通常是 Docker 容器在 6300 端口运行的,而 Lace 钱包直接连接到本地服务。由于验证生成在开发者本地进行,因此应用程序的建构方式可以严格遵守数据保护要求。离线存储个人或财务数据仍然可以证明满足特定规则或合规性检查。
了解开发者网络环境后,可程式隐私的概念更容易理解。 Midnight 的目的不仅仅是隐瞒消息。其工具可以帮助开发者确定哪些信息应该保密,哪些应该公开。使用这种方法可以降低建立以隐私为先的应用程序的难度。该平台将零知识技术视为实际工具,而不是抽象。

我认为最吸引人的是开发者如何控制信息流。这里的隐私不仅仅是隐藏数据;它还涉及选择与谁分享信息和保护哪些信息。

@MidnightNetwork #night $NIGHT

Seorang teman dari tim kecil yang membuat strategi DeFi baru-baru ini mengeluh kepada saya. Mereka biasanya melakukan arbitrase antar rantai, skala tidak terlalu besar, tetapi alamat mereka terus-menerus dilacak oleh platform data rantai. Suatu kali setelah mereka menyelesaikan beberapa pergerakan dana di Ethereum, dengan cepat ada akun analisis di platform sosial yang menggambarkan jalur dana mereka secara lengkap.
Dari penarikan crypto di bursa, hingga jembatan antar rantai, kemudian melakukan transaksi di DEX, seluruh proses hampir direkonstruksi dengan sangat jelas.
Dia mengatakan yang paling tidak masuk akal adalah, pihak lain bahkan memperkirakan ritme strategi mereka secara kasar.
Inilah kenyataan banyak rantai saat ini.

大多数區塊鏈網路直接使用主代幣收取费用。每笔交易都需要资金。這種模式雖然可行,但對需要可預測成本的開發者和使用者來說,卻有困難。

Midnight 则完全不同。
该网络使用双层资源模型进行交易,而不是直接使用其主代币。作为生態系統的核心資產,原生代幣 NIGHT 会产生名为 DUST 的独立资源,并且在交易发生时会消耗 DUST。

這種分離看似只是一個設計決定,但它改变了系统如何运作。

开发者可以使用 DUST 运行应用程序,而不必定期出售治理代币。使用者可以与网络互动,同时保持其在生态系统中的长期权益。

這種模式也改善了經濟平衡。经营层和资金层不再争吵。
技术方面同样引人注目。 Midnight 是 Cardano 生態系統的合作夥伴链,采用零知识加密技术,使应用程序能够在不泄露敏感信息的情况下验证信息。

這種設計讓隱私和驗證需要兼顧的應用場景成為可能。通常认为,身份系统、受监管的金融和机构之间的数据共享是潜在的应用领域。

Midnight 的真正价值在于其结构,而不是其宣传。当互联网尝试新的隐私和经济模式时,它通常会影响後續區塊鏈的建構。
有些项目只关注炒作週期,

其他项目专注于重新设计區塊鏈的实际运作方式。

晚上更接近。
#night @MidnightNetwork $NIGHT

我開始關注「部分完成」的那一刻，是因為當一個任務在介面上顯示已完成，日誌也顯示正常，卻仍然需要暫停一整夜才能開始下一步操作時，系統就顯示成功了。但如果之後出現爭議，沒有人能清楚解釋成功究竟意味著什麼。
沒有發生任何故障，也沒有出現任何漏洞。只是工作流程中悄悄出現了一個認知。
完成並非易事。

這就是我思考 ROBO 時的視角。
真正的問題不在於代理人能否行動，也不在於驗證者能否評估。更深層的問題是，當工作只完成了一部分時會發生什麼事。
當 ROBO 成為一個協調平台時，「部分完成」就變成了治理。
這聽起來像是一個很小的產品細節。但實際上，它決定了一個網路是建立自動化系統，還是悄悄地組成一個由使用者介面支援的維運團隊。
區塊鏈可以假裝完成是二元的。交易要么確認，要么不確認。但工作網絡並非如此簡單。真正的任務是分階段進行的。分配、執行、取證、核實、付款、結項。在壓力之下，這些階段很少能完美契合。中間階段自然而然地出現。
這些階段並非例外，而是大規模工作的正常模式。
而營運成本也正是從這些階段開始流失的。
人們偏好的簡單敘事方式是可預測的。任務發布，操作員接受任務，提供證據，進行驗證，系統批准，付款結算，下一個任務開始。
複雜性出現在一個地方：
哪些狀態會觸發操作，哪些狀態保持暫停狀態？
暫停狀態會產生隊列。
一個任務可能已經完成了 60%，而下一個階段想要開始。驗證可能會批准一些聲明，但會延遲其他聲明。介面顯示進度。操作員認為任務可以安全地繼續進行。然後，延遲的爭議出現，證據出現缺口，或者政策調整改變了對結果的解讀。
現在，系統必須回答一個難題：
已經完成的工作該如何處理？
大多數基礎設施會在此時重新啟用人工幹預，並非因為網路故障，而是因為選擇性撤銷非常困難。
撤銷所有工作很簡單。
但部分完成很少允許這樣做。選擇性撤銷需要明確的語意。
什麼才算部分完成？
哪些操作被視為已提交？
哪些操作仍然可逆？
哪些操作符合付款條件？
哪些操作會取消？
如果協定中不存在這些定義，應用程式將自行建立它們。這個過程總是悄然開始。
首先會出現一個等待視窗。系統會等待一段時間才會繼續執行。
然後會出現補償例程。如果某個階段失敗，另一個腳本會嘗試恢復一致性。
接下來會出現一個手動關閉清單。當工作接近完成但有爭議時，就會啟動升級流程。
最後會形成一個協調隊列。監控進程會掃描未完成的狀態，並嘗試稍後關閉它們。
補償例程很快就會變成第二個流程。
所有這些都不會出現在產品公告中。它們會出現在可靠性更新中。
但這表明，部分完成被視為一種視覺概念，而不是一個真正的狀態機。一旦運行中的變通方案發布，它們就會成為永久性的。
這就是為什麼部分完成成為 ROBO 的關鍵設計軸心。
執行協調是 Fabric 系統的核心。執行過程永遠不可能完全原子化。
真正的問題在於，ROBO 否使部分狀態足夠清晰易懂，從而避免建立自己的解釋層。
一個希望保持單次傳遞的協調介面需要滿足兩個條件來處理中間階段狀態：
一個明確的階段模型。
每個階段的可重放回執。
階段模型意味著協議清楚地聲明系統所處的階段以及哪些轉換是有效的。
每個階段的收據使觀察者能夠重建已做出的承諾、已附上的證據、適用的政策，以及如果階段逆轉，哪些補償措施才是正確的。
這種設計常常讓人感覺官僚主義。
然而，跳過這一步驟並不能保持速度，反而會造成歧義。
歧義會使系統養成暫停和重新檢查的習慣。
一旦暫停和重新檢查成為例行公事，自主性就消失了，它只是隱藏在更簡潔的介面背後。
正確地執行這一過程會遇到阻力。
如果 ROBO 部分完成，協議必須明確定義邊界。建構者會感受到這些限制。一些過於樂觀的工作流程會更早失敗。調試將變得更加嚴格，因為部分狀態遵循規則而非直覺。證據標準會提高。聲明邊界會更加清晰。階段轉換需要紀律。
這種嚴格性可能會讓團隊感到沮喪。
但另一個選擇是隱性監督。
階段仍然存在。中間階段的狀態仍然會出現。差別在於它們以協定行為的形式出現，還是以私有運作手冊和升級執行緒的形式出現。
這正是 #robo 所在。
只有當代幣支持並強制執行維護部分狀態安全所需的紀律時，它才有意義。激勵機制確定了參與者是否因生成階段收據而獲得獎勵，是否因乾淨利落地執行補償而獲得獎勵，以及在工作未完成一半且需要手動關閉時受到懲罰。激勵機制也決定了驗證工作是否在正確的階段出現，而不是在後期以人工勞動的形式出現。
如果 ROBO 種運行現實相銜接，成本將以其他方式顯現。它將透過鏈下仲裁、私人保險協議或整合商悄悄維護的對帳腳本出現。
因此，確定性不如觀察有用。

當 ROBO 來時，幾個訊號會揭示答案。
工作流程是否保持單次執行，還是補償成為例行程序？
中間階段狀態是否自動關閉，還是會累積手動介入？
開發人員會隨著時間推移刪除協調腳本，還是會不斷添加新的腳本？
當一項任務完成 80% 且有爭議時，系統能否在無需人工幹預的情況下，明確定義其含義以及後續操作？
如果 $ROBO 分完成狀態，自主性就能保持高效率。
如果不能，網路仍能運作。
只不過，它會多出一個隱形的維運團隊。
到本周中期，我們的維運表中出現了一個我們原本沒有計畫追蹤的指標：每百個任務的補償運行次數。高峰期，這個數字接近 6，到週五達到了 14。
這並非關乎更好的模型，而是關乎如何定義工作僅部分完成的狀態。
在協調層面上，任務很少以單一事件的形式結束。它們會經歷不同的階段，而困難往往出現在中間階段，此時雖然取得了進展，但仍有可能出現逆轉。一項工作可能看起來完成了 60%，界面上也顯示正常，但如果出現後期爭議、證據缺失或政策變更導致結果改變，則仍可能存在安全隱患，無法繼續推進。
如果各個階段無法自動完成，補償機制就會成為真正的系統。
當階段定義模糊不清時，操作層級會迅速出現。等待時間延長，收尾清單數量激增，對帳佇列最終演變成真正的工作流程。補償機制不再起到備用作用，而是悄悄成為將人重新拉回流程的第二個通道。
實施更嚴格的結構會帶來摩擦。階段定義會更多，需要儲存的收據也會更多，整合也變得更加嚴格。
只有當 $ROBO 使得部分進展無需持續監督時，它才真正有意義。
長期測試仍然很簡單：操作表中的額外行應該逐漸淡化，成為背景雜訊。補償事件應該會減少，收尾清單應該會消失。不應該僅僅為了防止「幾乎完成」的任務喚醒操作員而製定新的規則。
@Fabric Foundation #ROBO

@Fabric Foundation #ROBO $ROBO
Bayangkan, di masa depan yang tidak lama lagi, robot tidak hanya dapat membantu manusia, tetapi juga dapat bergerak di dalam gudang, mengantarkan paket, membersihkan bangunan, dan melakukan inspeksi fasilitas secara mandiri. Mesin-mesin ini mengkonsumsi daya, menyelesaikan tugas yang diberikan, dan memerlukan pemeliharaan. Seiring robot mulai beroperasi secara independen, mereka juga mulai berpartisipasi dalam kegiatan ekonomi. Tantangan sebenarnya bukanlah membuat robot, tetapi membangun sistem yang memungkinkan mereka berfungsi sebagai entitas ekonomi.
Sistem keuangan dan hukum saat ini dirancang untuk individu dan perusahaan. Robot tidak dapat membuka rekening bank atau menandatangani kontrak, dan mereka tidak dapat membuktikan tindakan mereka atau memverifikasi apa yang telah mereka lakukan. Namun, jika ingin robot bekerja di lingkungan nyata, mereka memerlukan cara untuk membuktikan tindakan mereka, mendapatkan imbalan, dan bertanggung jawab. Inilah masalah yang coba dipecahkan oleh yayasan Fabric melalui protokol Fabric.

在观察 Fabric 开发网络的运行情况时,我注意到了一些意想不到的事情。重复完成任务的机器不仅会记录操作,还会随着时间的推移创建类似于可验证声誉的**帐本**。這讓我思考:如果兩個代理人完成相同的任務,為什麼一個代理人會獲得更多的 $ROBO 比另一個代理人多?答案不在工作本身,而是*该工作在互联网上是如何被记录和验证的。

荣誉高于执行力。
在 Fabric 环境中,设备不仅仅是执行请求。每个代理人的活动都被记录在“持久身份记录”中,记录了可靠性、任務历史和证明文件。如果代理快速完成任務,协议不会立即结算 $ROBO 。首先,工作量证明必须被接受并进入全局状态。隱藏層:資料註冊和执行
最令人惊讶的是,两个完成相同指标的機器人最终可能会因为其中一个拥有更完整的已验证的历史记录而获得不同的 ROBO 益。在纺织品中,价值不仅在于完成工作;它还通过可验证的方式记录和证明工作。考虑到协议的结构,也合情合理,因为機器不是孤立自主运作的;它们是共享经济系统中的参与者,在这种系统中,信任必须是可验证且透明的。
在实际生活中,历史记录的质量和一致性会影响经济结果。在任務分配中,拥有完整可验证的认证链的代理将获得优先权和信任。不可靠或新加入的代理将被视为新手,直到他们的记录跟上。這不是懲罰效率,而是獎勵可信度。
与那些仅凭表面结果就下结论的系统不同,确保每项任务的成果都有机器验证的证据支持。機器人“工作历史”的概念被赋予了真正意义,因为它基于经济学,而不是隐藏在私有记录中。
声誉代表竞争优势*
因此,具有良好历史记录(包括工作记录、可验证的证据和稳定的性能)的机器可以吸引更多任務并获得更多 ROBO。可靠性被定义为“竞争性经济资产”。屡次失败或延迟验证的机器,即使偶尔能够有效率地完成任务,也会在优先级清单中排名靠后。
因此,纺织生态系统不再是批量自动化平台,而是一个具有经济价值的机器经济。尽管速度仍然至关重要,但通过验证的性能记录似乎提供了更好的机会。
与机器互动的新高度
让机器完成任务并成为可信赖的历史记录是另一件事。让它指导未来合作则是另一件事。在纺织模型中,評判機器人的标准不仅仅是他们做了什么,而是他们如何始终如一地证明他们所做的工作。随着时间的推移,它将原始任务转变为经济故事,这会影响结算、信任,甚至会影响機器人接下任務。
因此,问题不再局限于单一的绩效,而是涉及长期责任。在无人类监督的机器世界,Fabric 的方法表明,真正的自主性可能更多地取决于
可验证的声誉,而不是纯粹的技术能力。
基于声誉的機器经济概念是否过于抽象?或者,建立透明的绩效记录是否会让您更信任機器人?
#ROBO #robo
@FabricFND

在探索連接到 @Fabric Foundation 基金會網路的測試環境時，我突然意識到一個奇怪的現象。一個小型送貨機器人完成了模擬倉庫地板上的三條簡單路線，乍看之下似乎沒什麼特別的。它把箱子從一個貨架搬到另一個貨架，然後安靜地在裝卸區附近等待。但當我查看系統日誌時，我發現了一些意想不到的事情。機器人不僅僅是在完成任務，它還在建立一個可驗證的歷史記錄。

每一次移動都被記錄下來，作為工作完成的證明。系統會為每個動作賦予價值，從而創建一個與機器人鏈上身分關聯的可追溯記錄。這感覺與其說是自動化，不如說更像是即時產生的數位履歷。機器能夠累積一份可信的工作記錄，這個想法讓我不禁停下來思考片刻。
我打開活動面板，想了解背後的運作機制。每完成一條路線都會觸發一筆以 $ROBO 代幣支付的小額結算。雖然金額很小，但其意義卻遠遠超出數額本身。該協議能夠識別已完成的體力勞動，並將其轉化為經濟活動。記錄並非依賴公司資料庫，而是以共享歷史的形式存在，網路上的任何人都可以驗證。這正是 Fabric 的核心理念之一：機器人使用基於代幣的支付和身分資訊來協調任務，並在開放網路中證明其活動。

最吸引我的是持久性。機器人的歷史記錄在關閉後不會重置。它的身份資訊、任務日誌和效能記錄都始終與其關聯。 Fabric 上的機器人可以維護持久的身份資訊和交易歷史，從而可以長期追蹤和驗證其行為。這改變了機器的運作方式。新機器人從零開始，而經驗豐富的機器人則擁有可靠性的證明。
這使得整個系統更像是經濟體，而非軟體。代幣不僅僅用於支付費用。 $ROBO 為結算層，負責整個網路的支付、協調和參與。機器人透過工作賺取代幣，操作員使用代幣分配任務，協議則記錄所有中間環節。
我持續關注著日誌的更新，機器人完成每一條路線後都會添加新的資訊。感覺很安靜，但意義重大，就像在觀看某種未來可能成為常態的事物的早期版本。這些機器不僅能運行，還能透過可驗證的工作累積聲譽。

如果機器人能夠建立這樣的歷史記錄，那麼未來選擇一台機器或許就不再是購買硬件，而更像是僱傭經驗。
#ROBO $ROBO

Saya memperhatikan bahwa sebagian besar mesin cerdas memiliki masalah aneh. Mereka dapat menjalankan tugas sepanjang hari, tetapi tidak dapat benar-benar membuktikan hasil kerja mereka. Jika robot pengiriman kehilangan paket, atau robot pembersih melewatkan suatu ruangan, Anda biasanya hanya dapat mempercayai aplikasi perusahaan, bukan catatan dari robot itu sendiri. Ini membuat mesin canggih ini tampak tidak dapat diandalkan bahkan saat menjalankan pekerjaan nyata.

Masalah sebenarnya terletak pada kurangnya mekanisme akuntabilitas. Sebagian besar robot menyimpan log di sistem privat, di mana orang lain tidak dapat memverifikasi. Ketika data terkunci seperti ini, mesin tidak dapat membangun catatan sejarah yang dapat dipercaya, dan tidak dapat membagikan bukti bahwa mereka telah menyelesaikan pekerjaan. Ini membuat robot bergantung pada operator, alih-alih bekerja seperti pekerja independen.

Belakangan ini saya telah mempelajari infrastruktur bukti nol pengetahuan (ZKP), dengan perasaan campur aduk, bingung dan penasaran. Diskusi tentang ZKP sering terdengar sangat akademis atau abstrak, seperti mencoba menjelaskan gelombang radio kepada seseorang yang belum pernah melihat radio. Namun, setelah saya menggali lebih dalam ke dalam dokumentasi dan sumber daya komunitas ZeroBase, saya perlahan-lahan mulai memahami gagasan ini.

Jika Web3 sedang berkembang dari kontrak pintar sederhana menjadi perhitungan dunia nyata yang dapat menghasilkan hasil yang dapat dilacak, maka ZeroBase sedang mencoba diam-diam untuk menyelesaikan masalah yang masih diabaikan oleh kebanyakan orang—bagaimana mencapai perhitungan off-chain yang benar-benar dapat dipercaya dan skalabel tanpa mengungkapkan data atau mengorbankan kinerja.

Robot setiap tahun semakin kuat, tetapi hanya memiliki kemampuan yang kuat tidak cukup untuk menjadikannya mitra yang dapat diandalkan. Dalam lingkungan nyata, mesin perlu dapat mengenali identitas mereka sendiri, mengikuti izin, dan membuktikan bahwa tindakan mereka sesuai dengan aturan yang ditetapkan. Tanpa kerangka kerja ini, setiap penerapan akan tetap terisolasi, dan kepercayaan akan bergantung pada pemilik sistem.

Fabric Foundation menyelesaikan masalah ini dengan menyediakan lapisan koordinasi bersama untuk robot. Setiap mesin dapat diberikan identitas permanen dan seperangkat operasi yang diizinkan, yang dapat diverifikasi oleh sistem lain. Tindakan tidak lagi bergantung pada logika kontrol yang tersembunyi, tetapi dapat diperiksa berdasarkan catatan transparan yang diandalkan oleh beberapa peserta.