欢迎

用"能不能讲清楚"当检测仪，揪出假理解——费曼学习法的四步与原理

把 Claude Code / Codex 接进飞书只是第一步，真正决定收益的是怎么管理智能体的上下文。一个话题就是一个独立的 AI 大脑。

20 年前 BDD 提出"用人话写测试"的理想，被纪律拖累没流行起来。AI agent 来了，终于让 BDD 等到了合格的船员——SDD 是它的复活。

5 只猴子爬梯子的经典寓言讲的是什么？组织里那些没人记得为什么的"规矩"，在 AI 时代变成了什么。

维特根斯坦的语言哲学怎么在 NLP / OOP 两次工程范式更替里重新出现, 又怎么和东方’不立文字’传统在沉默这件事上分道扬镳。

一组漫画看懂：AI 能让更多信息进入会议，但真正决定结果的，还是谁拍板、谁能否决、谁只负责提供输入。

AI 可以把会议中信息共享做得很好, 但会议决策质量却没提高。 几种决策模型: 独裁、共识、小范围共识、OVIS 该怎么选？

pip是什么？ pip是汇率变化的报价单位。 一般是小数点后第4位。 0.0001 是一个pip。 日元是个例外，对于日元 0.01 为一个pip。 因为日元太小了。 A pip is a unit of measurement for price movements of currencies in foreign exchange (FX) markets. Pip stands for “percentage in point” or “price interest point.” It represents the smallest price variation that a particular exchange rate experiences based on typical FX market convention. pip表示绝对数字，不能表示收益率 假如你有10000美金， USDCNY报价是6.5， 那么可以换汇得到65000人民币。 假设汇率增加了100个pips（0.0001 x 100 = 0.01）， 变成 6.51， 那么可以换汇得到65100人民币。 100个pips的汇率变化导致你多收入100人民币。 知道了交易的总金额，以及汇率的变化，就可以知道收益的变化。 但是不知道收益率（收益变化的比例）。 ...

目前在Web 3的领域里，有哪些明星应用？这些应用的MAU（月活用户数）是多少？和金融相关的应用中，月交易规模是多少美金？ 参考资料一的dappradar网站提供了实时的数据可以分析。 Web3应用和目前的web 2.0互联网应用有一点不一样， 所有用户数据和交易数据都是透明的。不需要通过应用的运营方，从区块链上就能获取真实的运营数据。 按照dappradar网站的统计，本文分别从两个维度看最近30天内的明星dapp应用： 活跃度：月活跃用户数（钱包数）前十的应用 交易规模： 进行交易流入的代币（等值美金）排名前十的应用 智能合约内的资产总值排名前十的应用 1. 活跃度 上表是30天内，按照使用用户数目（独立账户个数）排列的TOP 10应用。 排名 应用名称 简介 1 PancakeSwap BSC上领先的去中心化交易所 2 Primelab 从介绍看，Primelab 为用户提供了一个区块链生态系统，主要特征是比较好的可访问性和可用性。 所有 Primelab dapp 都允许用户 通过电子邮件或电话注册帐户。从数据看，其用户数量非常不稳定。 3 AtomicAssets 实现 WAX 区块链上的NFT协议（对应于以太坊上，常见的 NFT 标准ERC721 、ERC1155）。 4 Alien Worlds 游戏相关 5 Splinterlands 游戏相关 6 OpenSea 第一个也是最大的加密收藏品点对点市场，其中包括游戏物品、数字艺术和其他由区块链支持的虚拟商品。 7 Axie Marketplace 游戏相关 8 Upland 游戏相关 9 Katana 建立在 Ronin 之上的自动做市商 (AMM) 去中心化交易所 (DEX)。 10 Magic Eden Solana区块链上的NFT市场。 从上表分析可见： ...

默克尔树（Merkle tree）的概念由瑞夫·默克尔于 1979 年申请专利，故此得名。 Merkle tree 是一种二叉树数据结构，每个叶节点存储数据块的哈希值，而除了叶节点以外的节点存储其两个子节点值的哈希（对两个哈希值拼接后再做哈希）。哈希树能够高效、安全地验证大型数据结构的内容。 场景 假如有1000个数据块，每个块1M字节，需要用哈希值（校验码）来保证每一个数据块在传输中没有改动。 这时候有两种方案： 在传输时候，增加1000个哈希值， 每个数据块对应一个。数据接收方可以用哈希值一对一分别验证各个数据块是否有改动。 把这1000个块合并起来，生成一个1G的大数据块， 然后对这个1G的块做一次哈希。 数据接收方可以通过哈希值来整体上验证1000个数据块是不是有改动。 以上两个方案都有弊端： 方案1， 需要增加传输的数据长度。 假设用SHA256做哈希， 方案一需要额外增加 999 个 32 字节长的哈希值。 方案2， 只需要增加32字节的校验码（哈希值），比较高效。 但问题是，当数据接收方只想检查一个数据块的时候， 它必须得到所有的1000个数据块，拼接后统一计算才能验证。 Merkle Tree提供了第三种方案。 解决方案 Merkle Tree把数据块分别做哈希（类似上面的方案1），但并不直接传输这一堆的哈希值。 而是把这些哈希值两两拼接之后再哈希。 类似世界杯比赛一样， 直到得到最终的一个哈希值，称之为Merkle Root。 然后将所有数据块和Merkle Root的值一起传输。 接收方收到所有的数据块和Merkle Root值。 按照上述算法，可以再算一遍，验证Merkle Root是否和对数据块做Merkle哈希后的值一致。 接收方如果只想验证一个数据块的完整性。 例如上图比特币中的例子，接收方只想知道交易T(D)是不是在当前区块里面， 那么它只需要得到H(C)，H(AB)，H(EFGH)和Merkle Root四个哈希值就可以验证了。当数据块越多， Merkle Tree的层级就越多。验证一个数据块，需要得到从根节点到该块所在叶子结点的树枝上的所有兄弟节点的哈希值。哈希值一般只有32字节，比交易块短的多。 在比特币中 SPV 节点就是利用Merkle Tree的这一个性质来优化和可信节点之间的交互，大大减少数据传输。 SPV 结点为什么不直接向信任的结点要求 H(D) 的值做验证？ 因为H(D)可能被伪造。 而Merkle Root的值在区块链的当前区块Header中有保存，是有完整性保护的。最终和Merkle Root做比较来验证更可靠。由于哈希函数的单向性，恶意节点无法根据Merkle Root伪造树枝上的哈希值，技术上拼不出来（需要解哈希碰撞问题）。 案例 Merkle Tree的使用场景是在分布式系统中，对数据做高效的验证时候。已经被业界广泛采用。以下是几个代表： ...