我把自己用的Dashboard全删了。 先说清楚，这不是说互联网产品的Web UI和GUI都该消失。只是在我自己的工作方式里，它们已经没有存在的必要了。 我又用回了IRC。 服务器自己建，客户端自己写。Jabber和IRC我都用过，最后还是IRC最顺手。 频道直接按职责拆。 #operations负责执行# #research负责检索和证据# #publishing负责从草稿走到公开验证# #watchdog只盯阻塞和心跳# 每个昵称对应一个固定Agent。每条消息必须带task_id和state。状态也不允许随便写，只认received、in_progress、blocked、verified这几种。 谁接了任务，卡在哪一步，最后有没有真正完成，频道里一眼就能看到。历史消息天然就是日志，不需要再单独做一套trace页面。 权限放在服务器端。大文件不塞进消息流，只传路径、引用和哈希。 XMPP当然更完整，presence、认证、加密和扩展都很规整。但对我自己的Agent控制面来说，完整有时候就是重量。 我不需要再打开浏览器，点进五层菜单，然后盯着几块会变颜色的卡片。 我需要的是拿起键盘，发一句话，系统开始动。 文本就是界面。 频道就是工作流。

AI 与 Crypto：不是“加不加”的问题，而是“什么时候需要” 这个周末我去参加了一个很火爆的 OpenClaw Demo 活动，担任评委点评项目。 另一位评委是 Web2 圈非常有名的投资人，在这一轮 AI 浪潮里押中了像 MiniMax 这样的明星公司，战绩非常漂亮。 但他有一个非常明确的观点：不看好 Crypto。 他的逻辑其实也很简单——如果一个项目本身是一个很好的 AI 产品，但为了发币硬塞区块链进去，那基本就是把自己的路走窄了。因为一旦带上 crypto 标签，在融资、监管、用户认知上都会立刻进入一个更复杂的环境。 坦白说，这个观点我部分认同。 过去几年 Web3 确实有大量项目犯了一个错误： 先想发币，再找产品。 很多项目的区块链部分其实是完全多余的。 如果一个产品的核心价值不依赖链上机制，只是为了 Tokenomics 而加一层链，那基本上已经被市场证明走不通。 所以当一些 Web2 投资人看到“AI + Token”的项目本能反感，其实也不奇怪。 但问题在于： 很多人因此得出了一个过于简单的结论——AI 不需要 Crypto。 我认为这个结论同样是错误的。 AI 与区块链之间的关系，从来就不是一个“是否需要”的问题，而是一个在什么阶段必然会需要的问题。 而且随着 AI 进入 Agent 时代，这种需求会越来越明显。 ⸻ 一、AI 协作需要“可验证性” AI 未来不是一个模型，而是一整个 Agent 网络。 一个复杂任务的完成，可能需要几十甚至几百个 AI Agent 协同完成： •有的负责数据获取 •有的负责推理 •有的负责执行 •有的负责验证 在这种体系里，一个核心问题会出现： 谁做了什么？如何证明？ 如果所有计算和数据都在中心化服务器里，那最终只能靠平台信用。 但当 AI Agent 之间开始进行大规模协作时，可信记录和可验证执行就变得非常关键。 区块链的价值就在这里： •可验证记录 •不可篡改日志 •可编程结算 换句话说，AI 需要一个可信的协作底层。 这也是为什么像 0G 这样的基础设施会提出 DeAIOS（Decentralized AI Operating System） 的概念： 让 AI 的数据、计算和行为可以被验证，而不是黑箱。 ⸻ 二、AI 开发者需要新的激励体系 在 OpenClaw 的生态里，其实已经出现了一个很明显的问题。 很多开发者在开发 Skill。 这些 Skill 本质上就是 AI Agent 的能力模块。 但问题是： 开发者很难从中获得长期收益。 今天的模式大概是： •开发者贡献能力 •平台获得流量 •平台掌握收益 这种模式在 Web2 很常见，但它并不适合未来的 AI Agent 经济。 如果一个 Skill： •可以被反复调用 •可以组合进不同 Agent •可以在不同应用场景复用 那它本质上就是一种 数字资产。 而资产的确权、交易和收益分配，正是区块链最擅长解决的问题。 未来很可能会出现： •Skill Marketplace •Agent Asset •自动化收益分配 AI 能力本身会变成一种可交易的资产。 ⸻ 三、AI 数据主权问题会越来越严重 AI 的发展正在快速逼近一个新的问题： 数据荒。 高质量训练数据正在变得越来越稀缺。 同时，大模型公司已经在大量使用互联网内容进行训练： •文章 •图片 •视频 •代码 这些内容的创造者是谁？ 人类。 但在现有体系里，人类几乎得不到任何回报。 如果这种模式持续下去，很可能出现两件事： 1️⃣ 数据质量持续下降 2️⃣ 创作者动力消失 未来一个更合理的体系应该是： •数据有来源 •数据有所有权 •数据可以被授权使用 •数据贡献可以获得收益 这其实就是 数据资产化。 而区块链正好可以提供： •数据确权 •数据授权 •数据使用记录 •自动分润 简单说： AI 不仅需要算力，也需要一个新的数据经济体系。 ⸻ 四、Web3 从业者不需要羞于表达 最近在很多 AI 活动上，我也发现一个很有意思的现象。 不少做 Web3 的朋友在自我介绍的时候，会刻意淡化自己的背景。 甚至有点不好意思说自己来自 Crypto。 我其实觉得 完全没必要。 Web3 的确经历过泡沫、叙事过剩和很多失败的项目。 但这并不意味着技术本身没有价值。 很多技术路线其实是超前于时代的。 现在 AI 的发展速度正在重新打开很多可能性： •AI Agent •去中心化算力 •数据资产 •AI 协作网络 这些问题，本质上都需要： 一个可信的数字经济基础设施。 而区块链正是为这种系统而生的。 ⸻ 五、真正的问题不是“AI 要不要 Crypto” 真正的问题其实是： 什么时候需要。 如果一个 AI 产品： •不需要去中心化 •不需要资产化 •不需要协作网络 那确实没必要上链。 但如果未来 AI 进入： •Agent 经济 •AI 协作网络 •数据资产市场 那区块链几乎是必然出现的底层设施。 所以我其实很能理解那位 Web2 投资人的观点。 只是从更长周期来看： AI 和 Crypto 很可能不是竞争关系，而是互补关系。 AI 负责智能。 区块链负责信任和经济系统。 当这两者真正结合的时候， 我们可能会看到一个完全不同的数字世界。 而现在，其实才刚刚开始。

Velvet Capital 不只是一个 DeFAI 项目，它在重新定义“链上资产管理的分工方式” 市场上讨论 Velvet @Velvet_Capital 的推文，大 多停留在AI 交易终端”或“DeFi 金库”的层面。但真正把 Velvet 的架构拆开看，会发现一个被绝大多数人忽略的核心叙事：Velvet 在做的，是把华尔街机构级别的投研-决策-执行链条，压缩成一套普通人能用的链上操作系统。 这篇文章不聊币价、不聊空投，只聊三个很少有人写到的细节维度。 🧩 细节一：Multi-Agent 不是“多个机器人”，而是一条完整的投研流水线 很多项目加个聊天机器人能查币价就敢叫 AI+Web3。Velvet 的不同之处在于它的 Multi-Agent 架构——不是一个大模型回答所有问题，而是把交易流程拆成四个专职角色： Researcher：全网搜集情报 Analyst：清洗链上数据 Trader：设计策略 Executor：跨链执行 这就像一个迷你版的华尔街交易台：研究员找机会、分析师做判断、交易员定策略、执行员下单。AI 之间各司其职、互相校验。 更关键的是迭代速度。Velvet 的 Multi-Agent 从 v1 的“Swarm”架构进化到了 v2 的“CEO-Led Org”模式 一个 CEO Agent 负责任务分发，其他 Agent 各司其职。这不是功能堆砌，而是组织架构的进化。Velvet 在复刻的不是一个交易机器人，而是一个完整的交易团队。 这个视角为什么重要？因为大多数 DeFi 项目解决的是“执行”问题——怎么更快地 swap、怎么更低地滑点。Velvet 解决的是“决策”问题——在你有精力做执行之前，先帮你把该执行什么搞清楚。 🧩 细节二：Velvet 的真正商业模式藏在“白标”里，不在终端里 绝大多数人把 Velvet 当成一个面向 C 端的交易工具。但打开官网的 Institutions 页面会发现一个截然不同的叙事。 Velvet 提供了一套 DeFi-as-a-Service 基础设施：任何资产管理机构都可以用 Velvet 的底层，以自有品牌部署自己的 DeFi 金库和交易产品。这意味着： 一个传统对冲基金想进入链上资产管理，不需要从零搭智能合约、不需要自建跨链路由、不需要训练 AI 模型——直接租用 Velvet 的“引擎”，贴上自己的品牌就能上线。 一个 KOL 想发自己的链上基金，几分钟就能创建一个自定义金库，设置管理费、绩效费、入场费和退出费。 这个 B2B 白标层，才是 Velvet 真正的护城河。Velvet 正在做的，是成为链上资产管理领域的“AWS” 不直接面对终端消费者，而是给所有想做链上资管的人提供一套开箱即用的基础设施。 这个视角为什么重要？因为所有 DeFi 协议的终局竞争都是“谁被更多机构采用”。Velvet 的白标方案让它不是在和 DEX 竞争，而是在降低整个行业进入链上资管的门槛。 🧩 细节三：Intent OS 的底层逻辑，是“把复杂性藏起来” Velvet 官方把自己定位为“Intent Operating System”。这个词被很多人当成营销话术忽略掉了，但它恰恰揭示了 Velvet 最核心的产品哲学。 什么是 Intent-based？用户只需要说“我要做什么”，系统负责“怎么做到” 。 在多链环境下，一个普通的链上操作可能涉及：切换钱包网络→跨链桥→DEX 交易→收益策略交互→再跨回来。每一步都有 Gas、滑点、时间成本。Velvet 通过账户抽象技术把跨链结算和最优路由封装在底层，用户面对的是一个统一的终端界面。 目前 Velvet 已经整合了 BNB Chain、Solana、Base、Ethereum、Hyperliquid，甚至 Robinhood Chain。它不是在做又一个 DEX，而是在打造一个覆盖多链的统一交易终端。 这个视角为什么重要？因为多链时代的真正痛点不是“链不够多”，而是“每一条链都是一个孤岛”。Velvet 的价值不在于它支持多少条链，而在于它让用户感觉不到自己在切换链。 🔮 一个很少有人串联起来的判断 把上面三个细节串起来看，Velvet 的终局图景其实很清晰： AI 层解决“投什么”的问题（Multi-Agent 投研流水线） Intent 层解决“怎么投”的问题（跨链执行抽象化） 白标层解决“谁来投”的问题（降低机构进入门槛） 三层叠加，Velvet 在做的不是一款产品，而是一套链上资产管理的工业化标准。 这解释了为什么 YZi Labs（原 Binance Labs）、Blockchain Founders Fund、Selini Capital、Gate Labs、DWF Ventures 等 17 家机构同时押注 他们投的不是一个交易终端，而是一套可能成为行业基础设施的操作系统。 当然，这条路还很长。Velvet-1自有模型的训练效果、跨链流动性的实际深度、白标客户的扩展速度，都还需要时间验证。但方向是对的 Crypto 里真正的护城河，从来不是某一个功能，而是你能不能成为别人离不开的那层基础设施。 以上为个人研究观察，不构成任何投资建议。DYOR。

Web3 远程工作汇总（8.11） 发布招聘/求职请前往官网，我们会为您推广。 中文工作电报频道：DeJob_official 1️⃣ Miya - 运维工程师 - 品牌运营 2⃣ BitBaby - BD（合约） 3⃣ AlphaAI - BD 4⃣ CNDT - 产品经理 5⃣ Talentverse - UIUX交互设计师 6⃣ ZOOMEX - ASO优化师 7⃣ OMENX - 广告投放 8⃣ TianYue - BD 9⃣ YesorNo - 广告投放 - 后端工程师 🔟MGBX - 风控运营 1⃣1⃣ Bullbit - BD 1⃣2⃣ Kapibala AI - BD 1⃣3⃣ Y Strategy - 运营实习生 1⃣4⃣ Deepcoin - 客服代表（越南语+中文） - BD（台湾区域） 1⃣5⃣ Nova Strategy - BD（负责台湾市场） 1⃣6⃣ StarPago - 后端工程师 - 国家经理 1⃣7⃣ Tomo - 采购专员 - BD（兼职） 1⃣8⃣ Eather - 英语BD（北美） 1⃣9⃣ XXKK - SEO 2⃣0⃣ Eather - 风控专员 2⃣1⃣ Gate - 社群运营 Global job Telegram channel: DeJob_Global 1⃣ Casper - Community Manager 2⃣ Talentverse - Developer Relations Lead 3⃣ XT - Business Development (VIP & Institutional) 4⃣ Deepcoin - KOL Operations (Vietnam) 5⃣ Bullbit - Business Development (volume growth) 6⃣ Abelian - Content Manager 7⃣ StarPago - Country Manager 8⃣ Paradigm - Product Engineer (Applied AI) 9⃣ Plume - Marketing Manager

Web3 远程工作汇总（5.19） 发布招聘/求职请前往官网，我们会为您推广。 中文工作电报频道：DeJob_official 1️⃣ BitBaby - 运维工程师 2⃣ AlphaAI - 人力主管 - 大客户经理 3⃣ Ju. com - 风控战略分析师 4⃣ Deepcoin - 运维工程师（中高级） - 数据分析师（运营数据分析） 5⃣ HOTCOIN - 交易员 - 视频剪辑师 6⃣ Eather - 客服（英文区） - 用户增长运营实习生 7⃣ Bitunix - 支付运营 - 社媒运营 - AI应用工程师 - 会计（总账） - AI工程师 8⃣ DZMM - 产品经理 9⃣ Luffa AI - PR总监（增长） 🔟Bonnie - 生态负责人 1⃣1⃣ Talentverse - 产品经理（理财或对冲方向） 1⃣2⃣ Schelling Lab - 测试工程师 1⃣3⃣ DODO - 产品经理（高级） 1⃣4⃣ HTX - 市场经理 - SEO 1⃣5⃣ 88EX - UIUX交互设计师 1⃣6⃣ OneBullEx - 风控战略分析师 1⃣7⃣ ApeX Protocol - 区块链工程师（高级，TEE方向） 1⃣8⃣ Y Strategy - 运营助理 1⃣9⃣ XXKK - SEO 2⃣0⃣ AstroX - 安全工程师 Global job Telegram channel: DeJob_Global 1️⃣ Coinflow Labs - Security Engineer 2️⃣ VeryAI - Marketing Lead 3️⃣ Squads - Marketing Manager (Events) 4⃣ Bullish - Senior Product Designer 5⃣ Bitunix - Accounting Associate - Payment Operation - Social Media Manager 6⃣ Flipster - Business Development 7⃣ Pionex - Business Development (Latin America Crypto Payment Card) 8⃣ Ooble Studio - Growth Lead 9⃣ Fermah - Senior Rust Engineer

是的没错，今天的话题又是 AI。这两天我的时间线上已经被 @xBubble_ai 刷屏，研究下发现我 2024 年就已经在 @dappOS_com 的 discord 里面了🤣 项目方有一句话我印象很深，大意就是：“今天 AI capability 已经不是最大的瓶颈，真正的 gap 在 usability，在 operation。” 确实，事实上很多人还停留在 AI 使用的原始阶段，像是习惯使用各种大模型、透彻理解不同大模型的优势、知道什么任务该接什么工具、该怎么组合效果最好，已经早已脱离普通用户的范畴了。 非常现实：power users 和普通用户之间的差距正在不断被放大。 ｜Low-prompt 所以普通用户有没有机会跨越这道鸿沟？有没有一种 AI 工具来稳定地完成普通用户的模糊需求？所以 xBubble 提出了 Low-prompt AI 概念。 我对 xBubble 的理解：让用户不用再学怎么用聪明的 AI，怎么真正的回到傻瓜式的使用 AI。 power users 之所以成为 power users，是因为他们付出了巨大的时间成本、精力成本，研究不同模型不同工具的表现差异、反复调试最终形成一套难以复用的经验。而大多数的普通用户只有一句模糊的需求，期望能够得到满意的输出。 “用户只需要陈述目标”就是 xBubble 的核心。 ｜SOP？Skills？ 那到底才能做到 Low-prompt？ Bubble Pilot 负责“听懂人话”，不管你的需求多模糊，它负责拆解：是走标准 SOP，还是交给通用 Agent。 Bubble Engine 负责“自我进化”，让 AI 学习 AI，将高频需求的最优路径固化为可复用的 SOP。 我自己比较习惯用的是 Claude Code，虽然在写 skills 的过程中花费了大量的时间和脑细胞，但是真的香，同样的工作内容，交付耗时缩短了60%～80%。 在我视角来看，xBubble 的 SOP 跟 Claude Code 的 skills 异曲同工，那么，是不是意味着 xBubble 可以实现自动帮我识别和编写高频任务 skills？🤔 ｜BubbleUp 现在市面上很多 AI 产品，本质上还是套壳大模型：换个 UI、包几个模板、接一点 tools、再加个 agent mode，底层还是在直接调用主流模型能力。 xBubble 除了做任务的 SOP，还引入了 BubbleUp，一个让你的 AI 变得更聪明、更懂你的反馈与成长机制。不符合预期时通过多次迭代和调用不同的 AI 模型进行自我优化，直到输出更高质量的结果。“AI 学习 AI”在此刻闭环，而用户只需要点击 BubbleUp 按钮。 看了眼 Discord，正好在搞一个 $300 美元生图 Bubble Up 活动，29 号截止，感兴趣的朋友可以试试看。 ｜xBubble VS Gemini 我自己先从简单案例试用了下，比如根据我的这篇文章为我生成一张海报，要求包含关键字、要求海报风格要跟 xBubble 风格一致，极简的 prompt 同时喂给 xBubble 和 Gemini，生成的效果如下对比图所示，各位觉得谁赢🤔？ 我个人觉得这个案例下 xBubble 赢了。 除了生图，还尝试了生成视频、文字任务等，积分消耗和任务的复杂程度挂钩，暂时感觉还是挺耐用的。

加州这种骗局开始流行了！ 一个人将自己开发网站在新加坡注册了公司，他在美国加州又和另外一个人合作，想注册一新个公司，这样合法吗？对另外一个人有风险吗 一般情况下是合法的，但里面有几个关键风险点，需要看两个人之间怎么合作、公司怎么设立。 简单拆开： 1. 他在新加坡注册了一家公司 一个人在新加坡成立公司（比如做网站、软件、服务等），这是正常的。 他可以同时在美国加州再和别人注册另一家公司。 一个人可以拥有： 新加坡公司 美国公司 多个国家的公司 这本身没有违法。 ⸻ 2. 他和另一个人在加州成立新公司 也通常合法，比如： 两个人各自出资 一个提供技术 一个提供资金/市场 注册 LLC 或 Corporation 都可以。 但重点是：新公司和新加坡旧公司是什么关系？ ⸻ 对另外一个合作人可能有什么风险？ 风险1：知识产权归属（最大风险） 例如： 他之前的新加坡公司已经开发了网站、代码、客户资源。 然后到美国成立新公司，如果他说： “这个网站、代码、技术属于新公司” 但实际上这些东西可能属于新加坡公司。 以后可能出现： 新加坡公司说：代码是我的 美国公司说：我们用了这个技术 合作人发现自己投资的新公司其实没有核心资产 这是常见纠纷。 最好写清楚： 网站代码归谁？ 域名归谁？ 商标归谁？ 客户资料归谁？ 新公司是否获得授权？ ⸻ 风险2：利益冲突 比如： 新加坡公司接客户赚钱。 美国新公司成立后，他可能把客户转给自己的另一家公司。 另一个合伙人可能损失利益。 例如： 新公司应该赚100万， 但他把订单放到新加坡公司赚了。 这可能产生： 关联交易问题 违反股东义务问题 ⸻ 风险3：控制权不平等 要注意： 如果两个人成立美国公司： A（原网站开发者）： 有技术 有旧公司 掌握服务器 掌握代码 B（新合作人）： 出钱 那么B风险比较大。 因为表面50/50， 实际控制权可能在A手里。 ⸻ 风险4：税务问题 美国公司和新加坡公司之间如果： 收付款 授权技术 服务费 软件许可 可能涉及： 美国税务 新加坡税务 转让定价 需要会计处理。 ⸻ 对合作人的保护建议 如果我是另一个合作人，我会要求： 签股东协议（Operating Agreement / Shareholder Agreement） 明确： 股份比例 谁负责什么 怎么分钱 谁能决定重大事项 确认资产归属 写清楚： “新公司的核心资产包括哪些？” 例如： 网站代码转让给新公司 或新公司获得长期独家授权 查看新加坡公司的情况 至少确认： 公司是否真实存在 有没有债务 有没有客户纠纷 网站是否属于它 不要只相信口头承诺 ⸻ 总结： ✅ 一个人有新加坡公司，又在加州和别人开新公司，本身合法。 ⚠️ 对另一个合作人的主要风险是：旧公司资产、客户、代码、收入归属不清，以及控制权问题。 如果你是那个“另外一个人”，最需要先搞清楚的是： “新公司的核心资产到底属于新公司，还是属于他的新加坡公司？” 这个问题决定风险大小。

乌克兰国防情报总局通报，其主动行动部门（Active Operations Department）与国防军夜间袭击了俄罗斯萨拉托夫炼油厂和恩格斯机场。初步信息显示，炼油厂主要石油加工装置中弹；该厂每年加工约700万吨原油，生产航空燃油、柴油和润滑油。 恩格斯战略航空基地的基础设施和维持运转系统也遭到打击。

DeFi 借贷协议 Ionic Protocol 发文宣布，由于 2025 年遭遇安全漏洞攻击所造成的影响，项目被迫立即停止运营（cease operations effective immediately）。Ionic Protocol 提醒用户尽快从其所有部署中撤出资产。