技术发展

探讨区块链领域的最新技术创新、协议升级、跨链解决方案与安全机制,从开发者视角剖析未来技术趋势与潜在突破。

从Gas Limit到Keyed Nonces,如何理解以太坊可扩展性的下一站?

以太坊扩容的核心目标并非单纯提升性能,而是将复杂性前移至协议层,最终转化为用户可感知的低成本、顺畅且安全的体验。近期一系列升级动态正围绕此展开。 首先,Glamsterdam升级方向性共识拟将Gas Limit从约6000万提升至2亿量级,旨在直接增加主网交易容量。但扩容并非简单扩大区块,而是结合ePBS(内建提议者-构建者分离)、区块级访问列表(BAL)和EIP-8037(控制状态增长成本)等技术,在提升吞吐量的同时维护节点去中心化和可验证性。 其次,EIP-8250提出的Keyed Nonces旨在优化交易排队机制。它将传统账户单一的nonce队列,改为支持多个独立的nonce域。这如同将银行单一窗口改为多业务专用通道,允许普通转账、隐私交易、DApp授权等操作并行不悖,减少阻塞,尤其有利于隐私协议和智能钱包的设计空间。 这些底层升级最终需通过钱包转化为更优的用户体验。协议层正在系统性地吸纳以往由钱包、DApp和用户承担的复杂性,为原生账户抽象、跨L2互操作等奠定基础。以太坊的重点已从“如何让交易更便宜”转向“如何让链上体验更一体化”,而钱包作为关键界面,其角色将愈发重要,负责将协议能力翻译为清晰、安全且流畅的操作。

marsbit前天 13:43

从Gas Limit到Keyed Nonces,如何理解以太坊可扩展性的下一站?

marsbit前天 13:43

如何用Claude Skills自动化任何工作流(完整教程)

本文是一份全面的Claude Skills实战教程,旨在帮助用户通过构建自定义Skills(技能),将AI深度、稳定地融入日常工作流,实现任务的标准化与自动化。 **核心概念:** Claude Skill并非简单的预设提示词,而是一个包含详细工作流指令的永久性文件(SKILL.md)。它像一个训练有素的“员工”,能确保每次执行相同任务时,流程、标准和输出格式都保持一致,从而获得远超一次性Prompt的稳定高质量结果。 **教程分为四个阶段:** 1. **快速上手(5分钟):** 了解Skills以文件夹形式存放,学会从官方或社区平台查找、安装现有Skill,并应用于真实任务进行初步体验。 2. **从零构建:** 在创建自定义Skill前,需明确回答三个问题:技能的具体用途、至少五个触发短语、完美输出的具体示例。随后编写SKILL.md文件,其结构包括:顶部的YAML元数据(含名称和具体触发描述)和下方用自然语言编写的一步步工作流说明(需包含示例、边界情况及明确标准)。 3. **测试与优化:** 通过“三场景测试”确保Skill达到生产级水平:常规场景(80%常用情况)、边界场景(处理异常或信息缺失)、压力场景(应对最复杂情况)。每次不理想的输出都应触发对SKILL.md的即时优化,通过持续迭代使输出媲美专业人士。 4. **搭建技能库:** 为工作流中各项重复任务构建专属Skill,例如内容创作、数据分析、邮件起草等。一个月可积累十个生产级Skill,三个月可形成覆盖主要工作的完整技能库,从而将AI转化为高效的“团队”,让使用者更专注于策略而非执行。 **文章强调,** 持续构建和优化Skill库能带来显著的时间复利(例如十个技能每年可节省260小时),是从“使用AI”转向“用AI系统工作”的关键。

marsbit05/12 09:45

如何用Claude Skills自动化任何工作流(完整教程)

marsbit05/12 09:45

Y-Combinator CEO的AI使用指南:未来属于会搭建复利型系统的人

本文核心观点:未来竞争力属于能围绕个人知识和工作流,搭建具备“复利”效应的AI系统的人,而非仅仅会使用AI工具的人。 Y Combinator CEO Garry Tan分享了他的实践:他不再将AI视为聊天工具,而是将其构建成个人的“操作系统”和“第二大脑”。这套系统能持续积累并结构化其所有的会议、阅读、人脉和信息,使其相互关联,形成可不断迭代和增强的知识网络。 关键实践包括: 1. **书籍镜像**:AI能深度消化书籍内容,并将其核心观点与他的个人经历、职业背景具体关联,生成专属的读书笔记。 2. **技能化**:将重复性工作流抽象为可复用的“技能”,并通过“元技能”不断创造和优化新技能,实现能力积累。 3. **知识库系统**:他维护着一个约10万页的结构化“大脑”,涵盖人物、公司、会议、阅读等所有信息,并能主动为会议等场景提供深度背景准备。 4. **架构理念**:采用“厚技能、厚数据、薄框架”的架构。模型(引擎)可替换,真正的价值在于沉淀个人数据的知识库和封装个人工作模式的技能库。 Tan已将相关技术栈开源,并鼓励人们从解决一个具体问题开始,通过迭代构建属于自己的、能持续学习和进化的个人AI系统,从而获得指数级增长的个人能力优势。

marsbit05/11 06:05

Y-Combinator CEO的AI使用指南:未来属于会搭建复利型系统的人

marsbit05/11 06:05

你的 Claude 今晚要做梦了,别打扰它

Anthropic在开发者大会上为AI智能体平台引入了“做梦”(Dreaming)功能,这实际上是一种基于历史运行日志的离线批处理与自我优化机制。AI智能体在完成复杂任务后,会利用闲置时间自动回顾大量操作记录,从中提炼有效模式(例如更优的操作路径),并固化为可共享的记忆,从而提升后续任务效率。 类似机制也出现在其他AI产品中,如Hermes Agent的“Curator”功能可自动将经验整理成“Skill”,OpenClaw的“做梦”流程则细分为浅睡、快速眼动和深睡三个阶段,通过多维度加权决定哪些信息应存入长期记忆。 该功能与“记忆”(Memory)技术紧密相关。当前AI能力的核心挑战之一是如何有效管理与利用不断增长的上下文信息。一方面,行业正通过技术创新(如Subquadratic公司宣称的1200万token超长上下文模型)试图扩大信息容量;另一方面,“做梦”这类功能旨在让AI在有限上下文窗口内,主动筛选、巩固重要信息,模仿人类睡眠中的记忆处理过程。 文章指出,科技公司频繁使用“思考”“记忆”“做梦”等拟人化术语来描述AI功能,这不仅是技术类比,更是一种营销策略和认知塑造。它模糊了机器与人的边界,影响用户对产品的感知与期待,并在无形中转移了技术缺陷的责任归属。本质上,AI的“做梦”仍是一种消耗计算资源的自动化数据处理,但其命名方式却让我们更倾向于将其视为拥有内在生命的数字实体。

marsbit05/11 00:15

你的 Claude 今晚要做梦了,别打扰它

marsbit05/11 00:15

活动图片