从 Raft 学习到的，有缓存机制时，因为不是每条消息都会 steer，agent 会 spam 回复。 解决办法是发消息前在 harness 层检查一次 inbox msg count。agent 的乐观锁。

Ai神剧《纲手的s级任务》下集 AI动漫剧！致敬所有动漫爱好者～ 童年女神巨乳纲手，以超大胆尺度强势回归！ 更多精彩视频👉 #AI短剧# #热播短剧# #成人短剧# #免费短剧#

目前推动Agent的发展有两个方向 一个是基座模型的能力：也就是GPT、Opus、MiniMax、Qwen、GLM这种大模型本身 另一个就是Harness工程：也就是CLaude code、codex、open code这类型的agent工具 简单来说 Harness = Agent - Model 但是Agents 时代的安全审计与可信执行也同样很重要 最近 @0G_labs 联合新国立、北大、北邮团队提出的一套针对分布式共识协议的自动化漏洞检测框架（Agora）成果被顶会 ICML 收录 Agora 就是一个专门用来给最硬核的底层网络协议抓 Bug 的“AI 黑客团队” 在实战测试中，Agora 取得了极具突破性的成绩： 在 Raft、EPaxos、HotStuff、BullShark 等工业级和学术界最核心的共识协议中，它一口气挖掘出了 15 个前所未知的协议级 Deep Bug。这是其他单体大模型完全做不到的 具体详情👉： 现在的 Web3 AI 赛道，太多靠发推特刷分画大饼的项目了 但是 @0G_labs 是真正在做实事在推动AI行业发展的，正在成为 AI Agent 时代的“Layer 0” 最近0G还跟 @MiniMax_AI 合作，将minimax 加入到0G Compute生态当中 刚刚结束的 0G APAC 黑客松，在现在的熊市语境下，硬是跑出了 1.04M+ 的社交曝光，293 个最终提交。像 @Ghast_AI 这种头部的冠军项目已经跑出了极其夸张的真实调用量 模型会不断迭代，但安全、可验证的底层基础设施是永恒刚需。Keep building

🧵 后端/基建开发推荐阅读的十篇论文 别只背八股了，很多面试题就是这些论文里的工程问题被压缩成的问答。 推荐按顺序读，强烈建议边读边画图/做笔记。 1️⃣ RocksDB： 看懂工业级 KV 存储怎么演进 RocksDB 这篇不是讲单个算法，而是讲一个 KV 存储在大规模生产环境里，优化重点怎么从写放大、空间放大一路转到 CPU 利用率。 Evolution of Development Priorities in Key-value Stores Serving Large-scale Applications: The RocksDB Experience 2️⃣ WiscKey： 理解为什么要把 key 和 value 拆开WiscKey 的核心是把 LSM-tree 里的 key 和 value 分离，减少 I/O 放大，尤其适合理解 SSD 时代 KV 存储的设计取舍。 WiscKey: Separating Keys from Values in SSD-conscious Storage 3️⃣ Vertical Paxos： 把主从同步放进共识算法里看很多高可用方案看起来只是“注册中心 + 主从同步”，但 Vertical Paxos 提供了更底层的解释框架。 Vertical Paxos and Primary-Backup Replication 4️⃣ PacificA： 工程里的强一致复制协议PacificA 讲的是日志型分布式存储系统里的复制框架，重点不是抽象共识理论，而是故障、恢复、对账这些工程细节。 PacificA: Replication in Log-Based Distributed Storage Systems 5️⃣ SWIM： 服务发现别只会说注册中心SWIM 把故障检测和成员变更传播拆开，用随机探测 + gossip 传播，解决大规模节点下全量心跳扛不住的问题。 SWIM: Scalable Weakly-consistent Infection-style Process Group Membership Protocol 6️⃣ TiDB： Raft 怎么落到 HTAP 数据库里TiDB 这篇讲 multi-Raft、行存、列存副本和 learner，适合看 Raft 怎么服务事务和分析混合负载。 TiDB: A Raft-based HTAP Database 7️⃣ Paxos vs Raft： 别把二者理解成口水战这篇用相同术语比较 Paxos 和 Raft，结论很实用： 二者整体方法接近，核心差异主要在 leader election。 Paxos vs Raft: Have we reached consensus on distributed consensus? 8️⃣ Paxos 和 Raft 的形式化映射： 把学术优化搬到工程系统上海交大这篇建立了 Paxos 和 Raft 的形式化对应关系，还讨论如何把 Paxos 优化迁移到 Raft。 On the parallels between Paxos and Raft, and how to port optimizations 9️⃣ PolarFS： 高性能共享存储里的 ParallelRaftPolarFS 为 PolarDB 做低延迟共享存储，里面提出 ParallelRaft，用乱序 I/O 能力突破 Raft 严格串行带来的吞吐限制。 PolarFS: An Ultra-low Latency and Failure Resilient Distributed File System for Shared Storage Cloud Database 🔟 X-Engine： 双 11 级 OLTP 存储引擎X-Engine 是阿里的 OLTP 存储引擎方向，适合看电商峰值流量下，存储层怎么做写入、压缩、缓存和冷热数据管理。 X-Engine: An Optimized Storage Engine for Large-scale E-commerce Transaction Processing

现在很多人聊 AI Web3，都在盯着模型、应用、空投这些地方，但真到了一堆 AI Agent 上链执行任务、调用数据、协同交易、管理资产的时候，问题就会变得特别特别现实： 它的推理能不能被验证？ 它调用的数据靠不靠谱？ 它的记忆放在哪里？ 它和其他 Agent 协作时，出了问题谁来审计？ 底层协议有没有隐藏的 bug？ 这些东西听起来一点也不性感，而且作为乐观主义者，我平时也反感只提问题不给解决方案，但真出事的时候，以上的每一个都会是扎心的大问题。 —————————————————— 这也是我觉得 @0G_labs 近期的几个动作值得看的原因。 根据这次 APAC Hackathon 黑客松的最终数据，1.04M+ 社媒曝光、1145 名全球参与者、293 个最终提交项目，放在现在这个市场环境里，已经能说明 0G 生态不只有声音，是实实在在的有人在持续动手构建。 更关键的是，这批项目并没有只挂一个链上 AI 的概念，很多都实际落地应用到了 0G 存储、0G 算力、0G 链、隐私计算、Agentic ID。 这也说明 0G 的全栈基础设施，已经开始被开发者拿去做真实的东西了。 从我的视角看，黑客松最有价值的地方在于它能不能把开发者、场景和工具栈一起给跑通了,因为如果一个生态只有叙事，没有人愿意去动手搭东西，那热度一定会很快就消散了。 但是如果有几百个项目提交，有人用存储、有人用算力、有人用隐私计算、有人尝试 Agentic ID，这就说明 0G 的生态闭环开始有雏形了。 另一个点我觉得更硬，那就是 0G Lab 的这篇多智能体安全论文。 —————————————————— 他们联合新加坡国立、北大、北邮做了一个叫 Agora 的框架，专门拿来 debug 共识协议。 共识协议直白的说就是链和分布式系统最底层的记账规则，节点怎么达成一致、异常节点怎么处理、状态怎么同步、签名和执行结果怎么保证不出问题，很多核心风险都藏在这里。 Agora 的思路是让多个 Agent 分工协作，有人负责理解全局状态、有人负责设计异常场景、有人负责生成测试代码、有人负责跑结果和复盘问题。 最后在 Raft、EPaxos、HotStuff、BullShark 等主流共识协议里，挖出了 15 个之前没人发现的协议级深层逻辑漏洞（零日漏洞），论文也中了顶会（我特意去查了下，论文已被 ICML 2026 接收，这是全球人工智能和机器学习领域历史最悠久、规模最大、最具影响力的顶级学术会议之一，这含金量懂的都懂）。 因为 AI Agent 以后真的要在链上跑，光靠会聊天、会生成内容、会自动执行任务肯定不够，底层系统必须能被测试，能被验证，能提前把风险挖出来，毕竟安全才是第一位的。 所以模型会换、应用会换，但 AI Agent 需要的可信执行、链上存储、隐私保护、安全验证这些需求不会消失。 这才是我看 0G 的核心逻辑，它正在补齐 AI Agent 上链之前必须要具备的底层能力。 熊市里，真正做事的项目反而更容易看清楚 ，你们觉得呢？ @0G_labs @0g_cn