小美-分析師

一个做DeFi策略的小团队朋友前段时间跟我吐槽。他们平时做一些跨链套利，规模不算大，但地址一直被链上数据平台跟踪。某次他们在Ethereum上完成几笔资金移动之后，很快就有分析账号在社交平台把他们的资金路径完整画了出来。
从交易所提币，到跨链桥，再到DEX做交易，整个过程几乎被复盘得一清二楚。
他说最离谱的是，对方甚至推测出了他们的大致策略节奏。
这就是现在很多链的现实。
透明度很高，但对真正需要隐私的参与者来说，这种环境其实很难操作。
机构就更不用说了。
哪个做资产管理的团队，会愿意把自己的资金路径、仓位变化、甚至交易习惯全部公开在全球的链上浏览器里？
所以当我最近重新研究Midnight Network的时候，注意力反而不在空投或者价格上，而是在它想解决的另一件事。
可编程隐私。
它并不是简单把所有数据都隐藏起来，而是允许开发者定义哪些信息可以公开验证，哪些信息只对特定对象披露。
这种设计背后用到的是零知识证明技术，同时还保持链上计算可以被验证。
换句话说，你可以证明某件事情是真的，但不需要公开所有细节。
如果这种模式真的成熟，很多现在无法上链的业务才可能真正进入Web3。
比如机构结算、企业数据协作、甚至一些需要审计但又必须保护商业机密的场景。
这些需求在传统金融世界里一直存在。
问题只是，以前的区块链很难同时满足隐私和可验证这两个条件。
也正因为如此，我觉得NIGHT这个叙事的核心，从来不是短期市场热度。
真正的看点，是谁能在透明和隐私之间找到那个平衡点。
因为一旦这个问题被解决，很多资金才会真正愿意进场。
#night @MidnightNetwork $NIGHT

A maioria das redes de blockchain cobra taxas diretamente usando o token principal. Cada transação requer fundos. Embora esse modelo seja viável, ele apresenta dificuldades para desenvolvedores e usuários que precisam de custos previsíveis.

Midnight é completamente diferente.
A rede utiliza um modelo de recursos em duas camadas para transações, em vez de usar diretamente seu token principal. Como ativo central do ecossistema, o token nativo NIGHT gera um recurso independente chamado DUST e consome DUST quando uma transação ocorre.

Essa separação parece ser apenas uma decisão de design, mas muda a forma como o sistema opera.

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
想像一下，在不久的將來，機器人不僅能協助人類，還能在倉庫中穿梭、遞送包裹、清潔建築物、自主巡檢設施。這些機器消耗電力、完成分配的任務，並且需要維護。隨著機器人開始獨立運行，它們也開始參與經濟活動。真正的挑戰不在於製造機器人，而是建構一個能讓它們作為經濟主體發揮作用的系統。
如今的金融和法律體係是為個人和公司設計的。機器人無法開設銀行帳戶或簽署合同，也無法證明自己的行為或驗證其所作所為。然而，如果希望機器人在真實環境中工作，它們需要一種方法來證明自己的行為、獲得報酬並承擔責任。這正是 Fabric 基金會試圖透過 Fabric 協議解決的問題。

Fabric 的目標並非製造單一的機器人，而是建構可供眾多機器人使用的共享基礎設施。正如道路承載著眾多車輛，網路承載著眾多設備一樣，Fabric 的目標是支援整個機器叢集。該系統將身份、驗證和支付整合到單一的網路中，而無需依賴任何一家公司的私有資料庫。
身份是首要條件。沒有身份，每個機器人都會變成一台未知的機器。 Fabric 為每個機器人分配一個持久的加密身份，該身份會一直伴隨機器人。這個身分就像一份永久記錄，用於追蹤機器人的效能、權限和運行歷史。當機器人聲稱完成了一項任務時，網路可以驗證究竟是哪個機器人執行了這項任務，以及它過去的可靠性如何。
驗證是下一步。機器人運作在不可預測的環境中，感測器可能會發生故障，連線也可能會中斷。 Fabric 透過讓不誠實的行為付出代價來解決這個問題。營運商必須先存入抵押品，他們的機器人才能參與其中。如果機器人行為正常，抵押品將保持安全。如果欺詐行為被證實，抵押品可以被減少或取消。這建立了問責機制，並有效地遏制了系統濫用。
支付功能使該系統切實可行。機器人不需要每月領取工資，而是需要頻繁且自動化的支付。機器人可以因完成每項任務而獲得少量報酬，用於支付電力、數據存取或維護服務費用。 Fabric 將支付直接與已驗證的活動關聯起來，從而實現任務的自動完成和結算。這消除了持續的人工監督需求，並允許機器人活動規模化。
該協議還引入了機器人技能作為模組化組件的概念。機器人可以透過安裝已驗證的技能包來獲得新的能力。一個運營商所做的改進可以傳播到整個網絡，而不是局限於私有系統。這使得機器人的能力能夠隨著知識在機器間的傳播而更快地提升。
鏈上身分是這個系統的核心組成部分。每個機器人都會獲得一個去中心化的身份，代表的是實體設備而非個人。該身份可以證明機器人運行的軟體以及是否滿足運行要求。可以授予機器人特定位置和有限時間段的權限。如果機器人未能通過驗證檢查，則可以立即撤銷其存取權限。
這種結構使運營商能夠準確了解任何時刻哪個機器處於活動狀態。它允許系統在授予對敏感區域的存取權限之前驗證機器人的行為。它還允許大型機器人車隊以協調且可信賴的方式運作。

Fabric 專注於機器人大規模應用前所需的基礎設施。機器人需要的不僅是更先進的硬件，還需要身分識別、責任追溯和經濟整合。一旦機器人離開受控環境進入公共空間，它們就必須在能夠管理風險和責任的系統中運作。
Fabric 的目標是創建一個框架，使機器人能夠在無需依賴集中控制的情況下證明自身身份、證明自身行為並獲得報酬。在這種環境下，機器人不再是孤立的機器，而是成為共享經濟網絡的參與者。
#robo

Ao observar o funcionamento da rede de desenvolvimento do Fabric, notei algumas coisas inesperadas. Máquinas que completam tarefas repetidamente não apenas registram operações, mas também criam, ao longo do tempo, um **livro razão** semelhante a uma reputação verificável. Isso me fez pensar: se dois agentes completam a mesma tarefa, por que um agente obteria mais $ROBO do que o outro? A resposta não está no trabalho em si, mas sim em *como esse trabalho é registrado e verificado na internet.

Honra é mais importante do que capacidade de execução.
No ambiente Fabric, os dispositivos não são apenas responsáveis por executar solicitações. Cada atividade do agente é registrada no "registro de identidade persistente", que documenta a confiabilidade, o histórico de tarefas e a documentação. Se um agente completa rapidamente a tarefa, o protocolo não é liquidado imediatamente. Primeiro, a prova de trabalho deve ser aceita e entrar no estado global. Camada oculta: registro de dados e execução

Enquanto explorava o ambiente de teste conectado à rede da fundação @Fabric Foundation , percebi de repente um fenômeno estranho. Um pequeno robô de entrega completou três rotas simples no piso simulado do armazém, que à primeira vista parecia nada especial. Ele movia caixas de uma prateleira para outra e depois esperava silenciosamente perto da área de carga e descarga. Mas quando olhei os logs do sistema, descobri algumas coisas inesperadas. O robô não estava apenas completando tarefas, ele também estava construindo um histórico verificável.

Cada movimento é registrado como prova de trabalho concluído. O sistema atribui um valor a cada ação, criando um registro rastreável associado à identidade do robô na blockchain. Isso parece menos automação e mais como um currículo digital gerado em tempo real. A máquina é capaz de acumular um registro de trabalho confiável, e essa ideia me faz parar para refletir por um momento.

Eu notei que a maioria dos robôs inteligentes tem um problema estranho. Eles podem executar tarefas o dia todo, mas não conseguem realmente provar os resultados de seu trabalho. Se um robô de entrega perder um pacote ou um robô de limpeza deixar de limpar um determinado cômodo, você geralmente só pode confiar no aplicativo da empresa, e não nos registros do próprio robô. Isso faz com que essas máquinas avançadas pareçam pouco confiáveis, mesmo ao realizar trabalhos práticos.

O verdadeiro problema reside na falta de mecanismos de responsabilização. A maioria dos robôs armazena registros em sistemas privados, que outros não podem verificar. Quando os dados estão bloqueados dessa forma, os robôs não conseguem construir um histórico confiável nem compartilhar evidências do trabalho que realizaram. Isso faz com que os robôs dependam dos operadores, em vez de funcionarem como trabalhadores independentes.

Recentemente, estive estudando a infraestrutura de prova de conhecimento zero (ZKP), com sentimentos mistos em meu coração, tanto confusa quanto curiosa. As discussões sobre ZKP costumam soar muito acadêmicas ou abstratas, como tentar explicar ondas de rádio a alguém que nunca viu um rádio. Mas, à medida que mergulhei na documentação e nos recursos da comunidade da ZeroBase, gradualmente esclareci essa ideia.

Se dissermos que o Web3 está evoluindo de contratos inteligentes simples para cálculos do mundo real que podem gerar resultados rastreáveis, então a ZeroBase está silenciosamente tentando resolver a maioria dos problemas que muitas pessoas ainda ignoram—como realizar cálculos fora da cadeia que sejam realmente confiáveis e escaláveis, sem revelar dados ou sacrificar desempenho.

Os robôs estão se tornando mais poderosos a cada ano, mas apenas ter habilidades poderosas não é suficiente para torná-los parceiros confiáveis. Em um ambiente real, as máquinas precisam ser capazes de reconhecer sua própria identidade, seguir permissões e provar que suas ações estão de acordo com as regras estabelecidas. Sem essa estrutura, cada implantação permanecerá isolada, e a confiança dependerá do proprietário do sistema.

A Fabric Foundation resolve esse problema fornecendo uma camada de coordenação compartilhada para os robôs. Cada máquina pode ser atribuída uma identidade permanente e um conjunto de operações permitidas, que outros sistemas podem verificar. O comportamento não depende mais de lógicas de controle ocultas, mas pode ser verificado com base em registros transparentes que vários participantes podem confiar.

Recentemente, Zerobase (

) chamou minha atenção. Minha primeira reação foi baseada em fatos, e não em uma promoção cega:

O propósito original da blockchain é liquidação, consenso e atualização de estado. No entanto, a blockchain em si não foi projetada para trabalho prático, como raciocínio criptográfico, avaliação de riscos, validação de dados em larga escala e computação com proteção de privacidade. Portanto, a maioria dos sistemas sugere 'mover isso para fora da cadeia'.

No entanto, a computação fora da cadeia levanta uma nova questão: uma vez que a tarefa é entregue a um mecanismo externo, você deve confiar completamente nele. 'Sou eu quem calcula - confie em mim' é o resultado. Isso é diferente dos sistemas tradicionais. A confiança sem verificação contraria todos os princípios que um sistema descentralizado deve ter, pois ainda é uma caixa-preta.

当人们想象未来的机器人时，他们通常会想到更聪明的机器或更好的硬件。 但真正的挑战并不总是智力。 是协调。 当多个自主机器在同一环境中运行时，它们需要共享规则和可预测的行为，否则情况很快就会变得混乱。

那就是 Fabric Foundation 正在努力构建的层。

Fabric专注于一个简单但重要的事情：为机器人提供一个可以跟踪和验证身份、任务和互动的共同系统。 而不是让每个机器人在一个私有平台内运行，Fabric 创建了一个开放的环境，在这个环境中，机器可以注册身份、接受任务，并通过透明的逻辑进行协调。 机器人不仅仅是运行程序。 它们在一个共享的结构内运行，其他人可以检查和信任。

这很重要，因为今天大多数机器人生活在孤立的生态系统中。 一家公司控制着软件、权限和数据。 当机器稀少时，这种方式是可行的。 当不同所有者的机器人需要在同一地点合作时，这种方法就会崩溃。 Fabric 提出了一个中立的协调层，在这个层面上，机器身份和活动存在于链上，而不是在私有数据库中。

在这个系统中，机器人可以使用**ROBO代币**持有钱包、支付服务费用并访问协调工具，ROBO代币充当身份、支付和协议活动的燃料。

有趣的是，它如何改变了自主性的概念。 连接到Fabric的机器人不仅仅是单独行动。 它在一个预先定义权限并且行动留下可见记录的网络中运行。 这使得机器之间的协作更加可预测，尤其是当机器属于不同的运营商时。

随着机器人进入工厂、城市和公共空间，协调变得和智能一样重要。 机器需要一个共享的环境，在那里它们可以安全地互动，而不依赖于单一的权威。

Fabric 正在努力建立那种环境。

不仅仅是更聪明的机器人。

但是机器人可以在所有人都能验证的规则下协同工作。

$ROBO #ROBO @FabricFND