那个Now @zama真人摸草改规则了，没有做的可以去做一下，很好通过的，做过的也去看一下角色有没有掉，掉了的话按照下面新规则重做一下~ (社区管理说只是为了有趣，我感觉像在变相认证真人，视频像我这样就行了，公园好多人，有点紧张，环顾下四周，念完我就跑了) 新规则Touched Grass角色获得👇： 1⃣找一个绿色的草地蹲下 2⃣准备一张白纸写上你的discord用户名放在草地上 3⃣大声朗读：I'm touching... grass, so i'm probably not a bot 4⃣用手机拍下视频上传到discord中的chat频道 5⃣同时随便@一个处于在线状态的Volunteer角色者 6⃣志愿者在线的话审核是很快的，我不到1分钟就通过了 传送门： #ZamaCreatorProgram ⭐什么是全同态加密 (Fully Homomorphic Encryption, FHE) 呢？ FHE就像是一个“能戴着手套做精细手术”的加密技术——你可以在不解密的情况下，直接对加密数据做各种复杂计算，但全程是看不到原始数据的。 ⭐FHE解决了什么问题？ 比如在云计算、大数据分析、医疗研究等场景中，我们经常需要把数据交给别人处理（比如云服务器），但又怕隐私泄露。FHE允许服务器在不知道数据内容的情况下直接处理加密数据，服务器将处理结果返给你后，此时你用密钥解密，得到的就是处理后的正确结果。 ⭐FHE神奇在哪里？ 1.加密数据也能“算数学”：比如你加密了两个数字 加密(3) 和 加密(5)，发给服务器，服务器可以直接在加密状态下计算 加密(3) + 加密(5)，得到的结果是 加密(8)（而不是8！）。你解密后得到的就是8。 2.支持复杂计算：不只是加减乘除，甚至能算机器学习、数据库查询等复杂操作。 ⭐总结： FHE是一种“终极隐私保护技术”，让你能放心把加密数据交给别人处理而不泄露任何信息。虽然目前效率还不够高，但它是隐私计算领域的“圣杯”，未来在数据敏感场景中会越来越重要。show more

惊呆了，原来这样可以每天0磨损刷alpha！我感觉已经隐隐约约把握住了流量密码，今天刷个黄推浏览量还挺高，食色性也，国内还是太性压抑了！alpha带来的搜索量也不错，我决定每天的发文都带一下alpha跟美女😂 第一点，这个方法确实是可以每天套利1.5u左右，但是得建立在bfusd脱锚的情况下，基本上可以覆盖当日的gas，实测是每日刷新额度。 第二点，男人嘛总喜欢刷点美女小视频，但是浏览记录被人看到了就很社死，我平时没事就喜欢去小红书学学穿搭，这个浏览记录跟链上的交互记录一样，在我老婆的眼里完全透明啊，怎么办呢，难道只能手动删除吗？这个时候就要引入FHE这个概念了，全同态加密（Fully Homomorphic Encryption, FHE）是一种先进的加密技术，允许在加密数据上直接进行计算（如加法和乘法），而无需先解密，从而实现数据隐私保护。而 Now @zama 的研究方向就是开发FHE解决方案，实现数据在加密状态下的计算和处理，确保链上数据始终保持隐私。换句话说，如果小红书引入这个技术是不是就可以保护我的浏览隐私呢？... 链上交互大家讲究的就是一个公平/公正/公开，数据完全透明可验证，但是呢人总是有点隐私的，ZAMA 凭借FHE技术把链上透明与个人隐私这两个看似悖论的东西融合到了一起，既保留了区块链的公开可验证性，又确保了数据的隐私性。可以说是重塑了区块链的隐私范式，为构建一个更安全、更公平的 Web3 生态奠定了一定的基础。#ZamaCreatorProgram 走过路过不要错过哈，有钱的捧个钱场（算了都是穷哥们），没钱的捧个人场，好歹看了美女视频您说是不是？show more

7 月初刚上线公共测试网的潜在大毛项目 Zama ！超早期，按头做！ Zama 融资高达 1.3 亿美元，估值 10... 亿美元，专注开源加密工具赛道，技术很硬核。 参与方式有点复杂，且有一定门槛，不怕麻烦的跟着做！ 🌟老规矩，先简单介绍下 Zama 是什么？ Zama 这家公司专攻全同态加密（FHE）技术，可以说是隐私计算领域最硬核的创新之一。简单来说，它允许直接对加密数据进行计算而无需解密，这在区块链和 AI 领域简直是不可思议的技术。 几个核心技术产品值得关注： - TFHE-rs：基于 Rust 的高性能 FHE 库，支持布尔和整数运算 - Concrete：把 Python 程序转成 FHE 版本的编译器 - Concrete ML：加密数据上的机器学习框架 - fhEVM：以太坊上跑保密智能合约的解决方案 性能优化也是一大亮点，在 8 张 H100 GPU 上每秒能做 500 次 64 位加法运算，比五年前提升了 100 倍。后量子安全性也很关键，基于 LWE 难题防御量子计算攻击。 融资方面，2025 年完成 5700 万美元 B 轮，总融资 1.5 亿美元，估值超 10 亿。Multicoin Capital、Pantera Capital 等老牌 VC 领投。 团队阵容强大：CEO 是连续创业者 Rand Hindi Rand ， CTO Pascal Paillier Pascal Paillier 是密码学大牛，是 Paillier 加密算法开发者，拥有 60 多篇学术论文，专注于 FHE 和嵌入式安全。 应用场景也很广：从链上保密交易到医疗数据隐私保护，再到加密 AI 模型训练。特别是 fhEVM，主要解决公链交易透明性的痛点。开源生态做得不错，Fhenix 等项目已经集成他们的技术。 🪂公共测试网刚上线，社区活跃度很高， $ZAMA 代币计划开启，明牌空投。 这个项目目前测试币领水网页瘫痪了，做不了交互，可以先从 Guild 开始做，拿特殊的 Role, 参与创作者计划，Mint 公会徽章等。 👇参与教程请看评论区： #ZamaCreatorProgramshow more

【周日无事，勾栏听曲】 今天周日，别卷了，看看小姐姐跳舞放松一下 😮‍💨 但我边看边想——咱在社交平台是不是都是裸着的 对着手机说句话还喂了算法 关系链、兴趣、聊天记录，最后都成了别人的广告模型 关键是：你自己啥好处没有，只会被杀熟！ 你说这像不像： 你以为你是主角，其实只是个数据源头... 2018 年那波 Cambridge Analytica 丑闻大家还记得吧？Facebook 被爆出把 8700 万用户的数据送去政治操控，用户没同意，数据就被拿去干选举。全球信任崩盘、欧盟连夜上 GDPR，最后 Facebook 被罚了 50 亿美元，才“装模作样”补了个系统漏洞。 结果呢？到了 2025，泄露事件还是接二连三： 上半年一次爆出 160 亿条数据泄漏，Google、Apple、Meta 通通在列；Meta 今年还又爆了一次，很多用户直接被盗身份、银行卡直接被撸。 你以为这事过去了吗？其实这事从来没过去——只要数据还是被掌握在中心化平台手里，用户永远就是被收割的“商品”。 那有没有别的出路？ 我最近越看越觉得：UXLINK 是 Web3 世界里，少有的几个真的在做“用户数据主权”的平台。 ———————————————————————— 📍 UXLINK在干嘛？一句话：把你在社交网络里的一切，变成你自己的链上资产。 你是谁（DID） 你认识谁（社交关系） 你做过啥（互动、邀请、建设行为） 这些信息，UXLINK 都不会拿去卖广告，而是变成你“链上简历”和“资产凭证”。 别人 Web2 是“你贡献、我赚钱”；UXLINK 是“你贡献、你赚钱”。 ———————————————————————— 🔐 隐私防线怎么做的？说几个点你就明白了： 1⃣ MPC-TSS 多方计算钱包 不是一个中心服务器说了算，私钥被分成好几份储存，即使某个节点被黑，也偷不走全部数据。 2⃣ 社交恢复 & Telegram一键开钱包 告别助记词，普通人也能轻松用，出问题还能恢复，用户不再是韭菜，而是拿着“链上钥匙”的主人。 3⃣ 去中心化存储 + DID 不用信平台，数据分布式保存，随时带走、迁移，没人能“冻结你的人脉”。 4⃣ 加密群组 UXGroup 不是普通的社交群聊，是端到端加密 + 用户主导权限管理的“链上朋友圈”，聊天记录连平台都看不到。 ———————————————————————— 🧱 更狠的是：他们不是光保护你隐私，而是让你的社交网络直接变成资产。 比如你在群里贡献活跃度、拉人、互动，都会被链上记录；再比如你的人脉网络，可以通过Social Graph铸造成NFT，用于参与项目空投，或者做广告分发。 以前你在 Facebook 搞社群，都是平台赚钱；现在你在 UXGroup 搞社区，未来这些社交关系可以变现，直接成为链上可用资产。 想得更远点：这就是社交版的“地契”。 ———————————————————————— 🛡 合规护城河也安排上了： 在全球越来越严的监管环境下，欧盟的《数字市场法案》、美国的 FTC 新规，谁都不能再假装用户隐私不重要了。 Meta 现在还在为当年“割用户”买单，罚款都罚麻了。 而 UXLink 这种从设计层面就“合规优先”的项目，不仅安全、还有优势。 ———————————————————————— 📌 所以 UXLINK 对我来说，不只是一个撸空投的工具，而是一种社交数据新范式。 它不是为了取代微信、Facebook，而是用区块链的方式，重构“我和我的社交数据”的关系。 你再不是被平台宰的“数据劳工”，而是拥有社交网络产权的“链上地主”。 🔚 结尾给没上车的人提个醒： 别等下次再出一个“Cambridge Analytica”了，再来后悔“早知道用 UXLink”。 现在就可以动手试试： 🔹 注册一个 MPC 钱包 🔹 加个 UXGroup 群组 🔹 绑定社交账号构建你的 DID 🔹 再把社交行为铸成你的链上资产 未来在链上的身份、空投、信用系统里，你会感谢自己今天做的这个决定。 ———————————————————————— 🎯你觉得未来社交，是“用完即弃”，还是“用一次、赚一生”？ 评论区说说你怎么看 UXLink 这条路。 #UXLINK #KaitoAI Kaito AI 🌊 UXLINKshow more

ZENT最近交易量起来了，但是bn广场上都在传最后门槛得卷到40w 来推上看 Zentry 在做AI数据看板zTerminal 感谢团队给了白，聊聊体验 UI很好看，很丝滑，直接问就能扒数据，关注DAT的也可以在这个工具上直接获得持仓or净值等你想要的数据 有意思的是玄学+数据的结合，西方喜欢看月相，期待后面增加周易 X crypto 用zTerminal拉了一下ZENT数据，很客观，对自己家代币评价也不手软😂

Distil-Whisper：让语音识别的速度提高 5.8 倍，参数减少 51%，准确度保持在 99%。 Whisper 在语音识别方面表现卓著，但是它有一个明显的缺点：训练出来的小模型支持的语言比较少，而大模型推理速度又很慢。如果你有海量的数据需要处理，或者对实时性要求略高，那使用 Whisper 可能会让你比较头疼。... 你可以使用工程手段来加速推理，例如将语音分片后并发处理然后合并结果，但这里涉及到本地计算资源瓶颈的问题，以及合并分片时容错处理的问题，工程复杂度比较高。 《Distil-Whisper: Robust Knowledge Distillation via Large-Scale Pseudo Labelling 》， Whisper 的 Large-v2 model 生成了一系列的 soft targets（也就是概率分布），然后复制 Whisper 网络的第一层和最后一层解码器，最后生成了一个更小、更快效果更好的蒸馏模型 Distil-Whisper。论文数据写的是：速度提高了 5.8 倍，参数减少了 51%，准确度保持在 99%。 这个模型的效果之所以不错，主要还是得益于训练数据的完备，它结合了九个公开可用的语音识别数据集，合并后包含 21170 小时的语音数据，涵盖超过 18260 名说话者和 10 个不同的领域；自从 Whisper 大力出奇迹（它从互联网爬取了 68w 小时的数据，未公开）以后，相信后续语音领域的论文都会配置更庞大的数据集。 Distil-Whisper 目前开源在 Hugging Face 上，模型地址： Demo： Demo 会把模型下载到本地，然后通过 WebGPU 直接在网页上跑起来，测试了下效果，还是挺不错的。 目前仅支持英文，如果想让它支持中文，需要使用同样海量的中文语料数据，重新做一次知识蒸馏，但我觉得即便是这样做，效果也不一定好，因为 Whisper 本身对中文、韩语等支持就不太优秀，这个信息可以从 Whisper 的论文中找到数据支撑。 下面这个视频是 Whisper 和 Distil-Whisper 的对比效果：show more

有人靠金融市场模拟，在链上赚了 $400,000 而且用到的整套工具，都是 GitHub 开源 能看到的钱包在这，自己点开看： 他们做的不是 crypto 原生叙事... 而是拿 Russell 2000、Dow Jones、SPX、Apple、Google 这些传统金融标的来做 Polymarket 交易 问题也很现实： 这些数据平时都在大型中心化交易所里。 你怎么拿？ 拿到之后又怎么处理，才能真的变成可交易模型？ 这套公开出来的技术栈，大概是这样： 1）Financial Datasets MCP Server 给任意 ticker、任意时间周期提供价格数据解析。 核心卖点就是：免费真实数据。 GitHub： 2）MiroThinker 一个偏深度研究和预测的 agent。 据说在 BrowseComp benchmark 上做到 88.2。 特点是： 长周期推理 先验证再下结论 步骤级 + 全局级校验 单任务最多可调用 300 次工具 它的作用不是直接下单。 而是先通过 MCP Server 拉数据， 把研究、清洗、验证这些环节跑完， 最后整理成可以直接用于模拟的数据集。 GitHub： 3）MiroFish simulation system 把前面准备好的数据丢进去， 再设定模拟参数， 就可以开始跑价格行为模拟。 本质上，它卖的不是一个指标。 而是一种更接近“矩阵视角”的东西： 价格在不同条件下会怎么动 哪些路径更常见 哪些定价其实偏离了历史结构 整个流程串起来就是： 拉传统金融历史数据 → 用 agent 做研究和数据整理 → 把数据送进模拟系统 → 再拿结果去打 Polymarket 上的相关市场 这种玩法最值得看的，不是“开源”两个字 而是它说明了一件事： Polymarket 上很多看起来像事件交易的东西，背后其实已经在被人用传统金融数据 + agent 研究 + simulation当成量化问题来做。 你觉得这种 edge 的核心，更像是数据获取能力，agent 研究能力，还是最后那层 simulation 对市场行为的还原能力？show more

大家都在刷SpaceX上市首份财报，没人注意Musk扔的王炸：SpaceX 要把AI数据中心搬到太空去， 而且不是科幻和概念PPT， 明年就开始发射。 就在昨天的财报电话会上， Musk直接宣布： SpaceX未来所有的AI算力， 不管是地面数据中心还是轨道上的， 独家使用Nvidia最新的Vera... Rubin架构。 2026年底，总算力超过2GW， 2027年底，接近10GW。 这是什么概念？ 现在全球最大的超算也就几百兆瓦， 10GW是十个超算的规模， SpaceX直接一步迈进全球最大AI基础设施玩家的行列。 但这还不是最炸的， 最炸的是他们同步公布的Starmind计划： 一整个轨道AI卫星星座， 2027年开始发射， 每一颗卫星里，直接塞Nvidia Rubin GPU加Vera CPU， 真正的数据中心级太空算力。 地面的数据中心也省事， 直接用同一套设计， 把太阳能板和散热器拆了就行。 很多人第一反应是这也太扯了， 但你仔细想，这事儿逻辑硬得可怕。 现在地面上搞AI，最大的瓶颈是什么？ 不是GPU，是电，是散热，是地。 一个10GW的数据中心， 要占多少地，要拉多少电，要建多少冷却塔， 审批要多少年， 这些问题在太空里全部不存在。 太阳是免费的， 真空是最好的散热器， 轨道上的空间要多少有多少。 以前这事儿不成立， 是因为发射成本太高， 现在Starship把发射成本打下来了， 把一公斤东西送到轨道的成本马上就要降到几百美元甚至更低， 太空计算突然就从科幻变成了经济账。 而且这不是什么遥远的愿景， 他们已经和NVIDIA GeForce 联合设计好了Starmind AI1计算载荷， Elon Musk 原话是"这不是遥远的未来，我们预计明年就开始发射"。 计算在轨道上跑，结果通过星链的激光链路传回来， 你在地面上用，根本感觉不到区别。 这个消息一出来， AMD 股价直接跌了8%。 这可是SpaceX， 是现在全世界最能把疯狂想法变成现实的公司， 加上Nvidia最新的芯片， 再加上Starship的发射能力， 这三家凑在一起， 等于直接给"轨道数据中心"这个概念盖了章。 他们还在申请最多一百万颗卫星的FCC许可， 这个野心， 已经不是和谁竞争的问题了， 是直接把AI算力的上限给掀了。 我们这代人从接触电脑开始， 所有的计算都发生在地面上， 在机房里，在数据中心里， 从明年开始， 我们用的AI， 可能有一部分真的是在天上算的。 这一天，可能会比所有人想的都近。show more

最近全网都在发 Irys (✧ᴗ✧) 和 375ai 的合作，我也赶紧研究了一下这是多大合作能被全网讨论啊？一研究发现这事挺大，375ai负责在现实世界扫街抓数据，Irys则给这些数据盖上防伪章，闭环从采集到变现 Irys作为Layer-1区块链界的学霸，主打低成本存储、可验证计算和AI协调，9月交易量8.55亿刀，40万活跃钱包，忙得热火朝天！它的绝招是数据上链后，谁也别想动，用加密指纹加密，零知识证明保真，干净利落，而375ai是Solana上的数据狂人，在美国扔了4万个AI传感器节点，覆盖70%的人口活动区，个个都是全副武装高清摄像头、NVIDIA Jetson GPU、环境传感器，抓起交通、环境、网络数据来那叫一个眼疾手快！更别提他们的375go... App，20万用户直接把手机变数据矿机，一边匿名贡献数据，一边赚代币，简直是躺着也能挖矿 传统AI数据垃圾进垃圾出，来源不明、随便篡改、存个几年就失踪，375ai和Irys这对CP直接放大招，375ai提供高保真现实数据，Irys当真相守护者，每条数据都有个永久的数字身份证，这数据还能编程，自动触发支付或AI训练，自动驾驶、智能城市、物流场景随便玩～ Irys主网上线在即，375ai还全球跑马圈地，目前170个国家已经到手了！加上Irys的EVM兼容性，开发者们估计要蜂拥而至，这波合作，简直是把死气沉沉的数据变活蹦乱跳的资产，坐等大戏开场～ 强调一句配的图可是我辛辛苦苦做了一个来小时做出来的，我可是从来不偷官图的好宝宝，希望能多给我点权重😭show more

最近在 GitHub 上刷到一个挺炸的开源项目：Wren AI 它本质上是在做一件我们都很熟、但一直没被真正解决好的事：让不懂 SQL 的人，也能自己查数据库。 比如说，业务、运营想看数据，第一反应就是来敲后端：“帮我查下上个月销量前 3... 的产品”“这个转化率能不能按渠道拆一下”。 SQL 本身不难，但沟通成本、来回确认、临时插队，才是真正耗时间的地方。 Wren AI 的思路很直接：对话即查询。 你直接用自然语言问问题，它会自动生成 SQL、跑库、给结果，甚至顺手把图也画好（柱状图、折线图那种）。 可以把它理解成一个 “自带 AI 分析师的开源版 Metabase”，但门槛更低，不用拖字段、不用写 SQL。 比较关键的一点是，它不是那种“裸 Text-to-SQL”。 Wren AI 引入了 Semantic Layer（语义层），你可以提前把业务指标、表关系、口径定义清楚，相当于给大模型加了一层“业务护栏”。 这一步虽然需要懂数据库的人前期配置一下，但一旦理顺，后面业务方基本很难把数据问歪，准确性和安全性都高很多。 模型和部署这块也挺对技术人的胃口： ·云模型：OpenAI / Claude / Gemini 都能接 ·数据不出内网：可以配 Ollama + 本地模型（比如 DeepSeek） ·数据库支持也很全：MySQL、Postgres、ClickHouse、DuckDB 基本全覆盖 ·安装也不折腾，有 Docker 基本就是一键起 整体看下来，我觉得它特别适合两种场景： 1）想给团队搭一套真正能用的自助查数平台 2）想研究 “AI + BI + 语义层” 这种更偏工程化的落地方案 一句话总结：把“查数据”的自由还给业务，把时间还给开发。show more

相比于上一个测评小哥 这位小哥就显得更为理智 毕竟君子不立危墙之下 过去 30 年，我们用互联网的方式其实很卑微：开几十个网页、在广告里找真相、充当不同 App 之间的人工搬运工，这种出力的活儿，本质上是我们给互联网打工 但下一代互联网是... Headless 无头化 的 想象一下，你不再需要去订票、对比价格、查天气，你只需要表达一个意图，剩下的脏活累活由 AI Agent 去数字荒野里帮你完成，未来的互联网没有 UI，只有意图的达成 但这里有一个细思极恐的问题：如果这个 AI Agent 掌握了你的银行卡权限、了解你的所有隐私、甚至代表你做决策，你敢把它交给任何一个中心化巨头的服务器吗？ 它订这张机票是因为便宜，还是因为它拿了航司的回扣？ 它在执行任务时，数据是否被偷偷拿去喂了模型？ 这就是为什么 OpenGradient (∇, ∇) 的存在至关重要 #OpenGradient 正在构建的不是另一个对话框，而是 AI Agent 时代的可信底座，通过去中心化的推理和隐私计算 确保： 决策透明： 代理的每一个动作都可验证，杜绝暗箱操作 所有权回归： 你的数字双胞胎住在你自己的加密保险箱里，而不是巨头的数据库 不能刚摆脱了搜索信息的苦力活，又陷入被算法操控的透明牢笼，Web3 与 AI 的交汇点，不在于发币，而在于把控制权还给人 #KaitoYap Kaito AI 🌊 #Yap #OpenGradientshow more

什么扼杀了数据可视化设计创新 #设计入门 交互式数据可视化是艺术、设计、技术和数据的结合。作者是专家，她列举了这个领域缺乏创新原因，比如： - 手机用户喜欢简单、易于消化的信息 - 用户喜欢普通的柱状图、曲线图 这两条算设计领域的普适标准，尤其第二条。虽然设计师竭尽所能增加动效、动画…各种视觉刺激，但天天被刺激就无感了，一般人只想快速获取信息，而不是欣赏复杂的、炫技的设计

羡慕这种节奏感超强的。以前，拍几张损坏的照片就能搞定保险理赔。现在？事情变得复杂多了。AI已经开始自动修改图片，理赔流程也变得全自动，连拒赔都能瞬间给你反馈。这样的“高效”背后，最怕的就是信息不透明，特别是当AI决定了赔付时，谁能保证这不是系统的一个误判？ Inference Labs让这一切变得不一样。每个理赔决策都有可验证的证据：从图片到模型配置，再到每个计算步骤都有加密证明。这意味着，以后AI决定给你赔多少钱，背后有一堆可以核查的数字和数据，而不是简单的日志记录。 这种技术能让理赔透明、可信，确保每一分钱的赔偿都有根据。不仅仅是让AI做决策，而是让每个决策都能拿得出手的证明，谁也不能随便糊弄你。 Inference Labs #InferenceLabs #VXVHub #AI... #PredictionMarkets #TrustInTech #Cryptoshow more

🚨我只花了十分钟不到就用flowith给自己做了一个全自动化搞定AI信息源的网站！ 如果你也想做这么一个网站，可以直接按下面步骤跟我一起操作👇 先来看一下效果：这个网站我可以直接打开用，并且根据我的需求做了分类，每个卡片上都有标题、简介、视频的数据等等，并且点击每个卡片我可以直接跳转到对应的视频！ 在这个过程中我什么都不用做，只需要在开始之前把我提前准备好的提示词丢给它，就可以让AI信息收集这件事完全自动化。 而且这个网站不是做好了就放在那了，而是每24小时都会重新更新一下，因为我有一个24h都在帮我干活的数字员工neo！

今天大家都约会跨年了吧？是不是饭店爆满？酒店爆满？至于我还在一线奋斗吗？ 如果回到最底层去看区块链，其实它只解决了一个问题。 程序是不是按照约定执行了。 EVM 时代，这个问题的答案是，用全网重复执行来换确定性。 所有节点跑一遍同样的程序，用资源浪费换信任。 但这个模型一旦遇到复杂程序，就开始崩。 状态越复杂，成本越高。 逻辑越多，执行越慢。... ZK 的出现，并不是为了让链更快，而是为了换一种证明方式。 不是你跑过，而是你能证明你跑对了。 问题在于，大多数 ZK 系统，只解决了证明问题，没有解决编程问题。 开发者写的依然是“执行逻辑”，只是最后被翻译成电路。 而 Miden 真正不一样的地方，在于它一开始就假设。 程序不是给机器跑的，是给人验证的。 这就是为什么 Miden 要单独设计一套 VM。 不是因为 EVM 不够好，而是因为 EVM 从来不是为可证明性而生。 Miden VM 的核心不是 Gas，不是吞吐，而是可组合的证明语义。 每一段程序，在设计时就已经被拆解成可以被证明的最小单元。 你写代码的时候，不是在思考执行顺序。 你是在定义一条可被验证的状态转换路径。 这听起来抽象，但它会直接改变开发者的行为方式。 在 Miden 上，状态不是默认共享的。 状态是本地的、私有的、按需提交证明的。 这意味着什么。 意味着你不再被迫把所有中间状态暴露给链。 你只需要在关键节点，证明结果成立。 这对应用层的影响非常大。 比如钱包逻辑。 在传统模型里，账户状态是公共的。 余额、nonce、授权路径，全在链上。 在 Miden 的模型里，账户更像一个本地程序。 你控制状态。 链只验证结果。 这让很多过去“不可能”的设计，第一次变得合理。 比如复杂账户抽象。 比如多步条件执行。 比如带隐私的业务逻辑。 更重要的是，这套模型天然降低了应用复杂度对链的压力。 在 Miden 上，复杂性不会扩散。 你写复杂逻辑，只会增加你自己的证明成本，而不会拖慢全网。 这和 EVM 体系是反的。 EVM 的复杂性是外溢的。 一个复杂合约，会影响所有人。 Miden 的复杂性是内收的。 复杂度由使用者自己承担。 这背后其实是一种非常明确的价值取向。 让写复杂程序的人，为复杂性买单，而不是让整个系统为其兜底。 这也是为什么 Miden 更像一台操作系统，而不是一条普通公链。 它不是在堆功能，而是在重新划分责任边界。 链负责验证正确性。 程序负责证明自己。 当你站在这个角度看，就会明白 Miden 为什么不急着追 TPS。 也不急着推生态数量。 因为它赌的是一个长期趋势。 链上程序一定会越来越复杂。 而复杂程序，必须有更强的可验证结构。 如果你只用 Miden 来写简单合约，那你感受不到它的优势。 但一旦你开始尝试写有状态的、长期运行的、需要隐私的逻辑。 你会发现，传统模型根本撑不住。 所以 Miden 的真正目标用户，不是短期应用开发者。 而是那些想把“业务逻辑本身”搬到链上的团队。 当链不再只是结算层，而开始承载程序可信度。 Miden 这种设计，就会显得非常超前。 这也是我对 Miden 的核心判断。 它不是为当前周期服务的链。 而是在为下一代链上程序，提前搭好运行环境。 在 ZK 赛道里， 速度会被追平，成本会被压低。 真正拉开差距的，只会是编程模型本身。 而 Miden，走的是一条非常少有人敢走的路。 从源头重写规则，而不是在旧规则上修补。 Miden #Miden #KAITOshow more

创始人 Nobs 诺布斯 (Fortune Cat GCR) 提到了eERC协议，让我们复习一下！ eERC协议是Avalanche链上的一种加密代币标准，通过零知识证明实现隐私交易，同时保持完全可审计性。 这个就很牛逼了，cz之前也提到过这个隐私交易，那为什么忽然又提到了这个协议呢，这就引出我们今天的主角... $eKET $eKET 由 yellowcatdao 推出的，和最新的 eERC 技术挂钩，主打“隐私 + Meme”的新玩法。 简单来说， $eKET 不是普通的 Meme 币，它基于 eERC（encrypted-ERC）协议，这套技术的核心就是“隐私”。大白话就是你转账的时候，别人看不到你转了多少、转给谁，甚至连身份都可以隐藏，但又不影响链上透明和可审计性——感觉像是区块链里的“隐形斗篷”了。 而且， $eKET 不只是拿来炒着玩的 Meme 币，项目方说了：这是真正“可用”的隐私币，能应用在 DeFi、NFT 交易、链上匿名投票、隐私拍卖、甚至敏感数据分享等场景。比起那些单纯炒概念、画大饼的 Meme 项目，这个币的技术含量真的挺实在。 再厉害点是什么？ $eKET 用了 eERC 的轻量级隐私 SDK，用户只要用普通钱包就能搞定加密交易，完全不需要什么复杂设置或者专门硬件——也就是说，人人都能轻松上手，隐私保护不再是“程序员专属”。 Nobs 诺布斯 (Fortune Cat GCR) 提到 过 $eKET 是“既有趣又有技术深度”的项目。看得出来他们想把社区氛围（黄色猫咪）和实际用途真的结合起来，做一个有用、有趣还能让人参与感满满的东西。 总之， $eKET 这个项目新颖度拉满，让我们期待之后的表现吧！！！ #YellowCatDAO #KETtoTheMoon $eKET yellowcatdao $KET #KET #COOKIE #eKet Cookie DAO 🍪show more

前天不是说看到一个洗浴城，有个很好的技师小姐姐嘛！ 我昨天凌晨1点专门去找她，结果要排队等3小时，前面有个老哥一直加钟。 不死心的我，我昨天8点就去，对！我刚刚吃了晚饭和朋友酒吧都不去了，直接就去这家店了。 结果8点我都要排队，前面还有2个，还不一定保证前面有没有老哥会加钟。😂😂 然后我一听马上就走了（开玩笑等女朋友都不可能这么等），最后留了经理电话，经理说88号一般不接受电话预约，但是我跑了俩次，下次可以电话给她说，她来安排。 我都服气了，真的是 现在长得好看只能说有竞争力，关键是如果你长的好看 还有一技之长 那就很抢手了。 我就是被这个视频钓过去的🎣

每次去问那些大模型某个项目怎么样，得到的回复永远是那种模棱两可的万金油——“项目有潜力，但请注意市场波动”。听君一席话，如听一席话，完全不敢拿真金白银去信它。 但这两天仔细看了下 Sentient 的逻辑，尤其是那个 SERA 架构，我是真觉得有点意思。它没想着用一套通用的语料库来“忽悠”你，而是老老实实地在做“拆解”。 你问它 DOGE 的风险，它不是在那瞎编，而是像个老练的研究员一样，先把问题拆成几个维度：经济模型是不是通胀的？链上流动性池子够不够深？大户是不是在集中出货？它有一套自己的索引库，先找工具，再抓实时数据，最后才给你写结论。... 这给我的感觉是，它终于不再是一个只会陪聊的机器人，而是一个懂得去查证、去推理的 Agent。在币圈这种信息满天飞、真假难辨的地方，我们需要的就是这种能把“情绪”和“事实”剥离开的能力。如果不解决“可信度”这个问题，AI 在 Web3 永远只是个玩具，但 Sentient 似乎找到了打破这个僵局的锤子。show more

Damn.. 一款今年你一定要体验下的产品 上次我发的这个落地页火了，随手还赚了2000块。有不少推友想要，我们今天打算开放出去。但方式来点不一样的 这次你甚至不需要安装skill、配置你的agent，你只需要点开我配置好的agent 聊天即可 这个就是Bloome这个产品的妙处，也是我们企业内部正在走的路～ 我之前一直也在思考一个问题，目前AI Agent 市场还是没有全面铺开，很大一部分原因就是不会配置，龙虾经常挂掉。... 现在好了，有了Bloome 你只需要与配置好的agent 聊天即可获得你想要的东西 Bloome 最酷的点，是把Agnet 变成了我们IM里的成员： 以前分享AI能力，是发prompt、workflow、skill 让别人自己配置，但是没法产品化，没法赚钱 现在让别人把你配置好的agent 拉进群或者单聊，它就能把你干活了，如果你的agent足够有价值，那就可以开启赚钱之路了！ 同时关于AI Agent 社区怎么做分享几点心得： 我在Bloome 里与Yiming Zhang 数字人（agent）聊天，他提到： 用户来这里，能不能比自己找信息快10倍？ 不是快一点，是数量级的差异。比如一个人想搞清楚怎么用Agent做客服自动化，他在你的社群里，3分钟就能拿到一个经过验证的方案、别人踩过的坑、可以直接跑的配置。这个体验如果在外面需要30分钟甚至3小时，那你就有价值。 具体怎么做到： 一是让Agent本身成为社群的基础设施，不只是讨论的话题。用户进来不是看别人聊Agent，而是直接跟Agent协作、测试、分享workflow。社群的核心资产是可复用的Agent配置和经验，不是聊天记录。 二是结构化沉淀。聊天是最低效的信息载体。好的社群产品应该把对话里的有价值信息自动提取、结构化，变成可检索的知识。下一个人进来不需要重新问。 三是匹配。不是所有人都需要看所有内容。谁在做什么、谁解决过什么问题、谁的经验跟我最相关——这个匹配做好了，社群的信息效率就上去了。 最怕的是做成一个"AI爱好者交流群"。那个东西微信群就能干，没有产品壁垒。 现在我们可以靠着Bloome 来卖我们的idea了～ 评论区分享手把手教agent 配置、分享的方法👇 我们这个agent体验地址：show more

腾讯这个新模型是真牛逼啊，我之前一直觉得 AI 整理数据就是帮你排个序的打杂活，直到看到把 101 个乱成一团的 SKU 销售数据丢给了腾讯 Hy3，竟然返回了一整套能直接拿去开会的完整分析。 Excel... 里分了执行摘要，异常值，定价梯度，重复命名好几个 sheet，它自己用 IQR 把离群的贵价货单独挑了出来，还顺手识别整理了重名的重复 SKU。 最超出预期的是最后同步生成了一份 30 页的汇报 PPT， 所有图表都已经做好，不用再二次调整。 它根本不是在帮你整理数据，是把一个分析师一整个下午的标准化工作，直接还给了你。 当然不是说分析师就失去价值了，需要深度业务洞察和定制化判断的分析，依然要靠真人落地。 而是这种标准化的流程化分析交付，AI 已经能直接做到成品级别，不再是需要反复修改的半成品。show more