簡而言之：十倍的執行效率，十分之一的工作量
Aperture 正爲用戶構建一種新的聊天機器人體驗，由底層的意圖基礎設施支持，使用戶能夠用自然語言“錶達他們的目標”，併利用一繫列解決者網絡（network of solvers），以實現比當前交易範式下更好的執行和更優惠的定價。
用戶體驗：由意圖 DSL 驅動的 Aperture LLM
首先，Aperture 將從任何大規模採用的基礎條件開始：用戶體驗 （UX）。
當前的 DeFi UX 以交易方法爲中心，該方法要求具有不衕技術理解水平的用戶簽署狀態更改，這也改變了用戶心中的“最終狀態”。通過意圖，Aperture 將“最終狀態”置於用戶體驗的核心位置。
借助現代 LLM 和專有的麵曏意圖的編程語言的力量，Aperture 旨在增強用戶意圖的錶達能力。這將使用戶能夠更直觀、更有效地闡明他們的交易目標和偏好，從而更輕鬆、更精確地利用區塊鏈的潛力。
想象一位不了解區塊鏈技術原理的用戶，麵對傳統 DeFi 界麵上的一大堆“旋鈕和按鍵”，顯然，Aperture“支持用戶用自然語言錶達他們的意圖”的做法更簡單。這背後需要將自然語言轉換爲區塊鏈代碼——這就是領域特定語言 （DSL） 的用武之地。
與適用於廣泛領域的 GPL（通用語言） 不衕的是，DSL 是一種針對特定應用領域的專用計算機語言。DSL 的設計和利用是領域工程不可或缺的一部分，通常涉及創建新的 DSL 或調整現有 DSL，便於特定領域內更有效地錶達問題和解決方案。
在 Aperture 中，DSL 的設計側重考慮人類的閲讀習慣和語言習慣，這對支持清晰直觀的意圖錶達至關重要。而其他 DSL 可能會優先考慮諸如編程效率或機器級優化等方麵。
在 Aperture 上，LLM 允許用戶用自然語言錶達其意圖，併將該意圖以高度可讀的 DSL 形式反饋給用戶，從而彌合了技術功能與用戶友好界麵之間的差距。這個 DSL 隨後可以被提供給解決者，作爲該用戶的“真實聲明”。
使用一個現實世界的類比：LLM 到 DSL 的翻譯用戶體驗類似於——顧客通過電話在比薩餅店下訂單。顧客可能用非常口語化的語言下訂單：“給我你們最大號的，所有肉類的比薩。”另一端的接線員可能會反饋給他們：“您想要我們的肉食者比薩，加大號的嗎？”用戶很容易理解這個轉換併衕意：“是的，我不知道它的名字，但那就是我想要的。”
在鏈上，這種交互將以類似的方式進行。用戶可能會首先聲明他們的最終目標——
“你能夠重新平衡我的 ETH-GMX LPs，使其在所有我的 EVM 鏈上集中 80% 的資金在錶現最佳的池子中，而剩下的 20% LP 資金均勻分配到剩餘的池子中嗎？”
DSL 的解析可能會反饋給用戶——
● 符合條件的資産：主網、Arbitrum 和 Avalanche 上的 ETH-GMX 交易對；
● 允許的操作：橋接、移除流動性、交易 ETH 或 GMX、增加流動性；
● 最終目標 1 ：根據 APY Vision 的數據，重新平衡流動性頭寸，將 80% 的合格資産資本集中在現貨年利率最高的頭寸上；
● 最終目標 2 ：重新平衡流動性頭寸，將 20% 的合格資産資本集中在最終目標 1 中未使用的現有資金池中；
● 簽署意曏聲明（如果正確）。
轉換 LLM 會將口語編纂成 DSL 的標準化術語，求解器以可預測和可覆製的方式利用這些術語。
底層基礎設施
意圖基礎設施可以分解爲幾個部分：
● 意圖清算中心（內存池）：充當用戶意圖的初步暫存區。它旨在有效地組織這些意圖以供處理，使用基於各種標準（如緊急程度和資源需求）的優先級算法。清算中心確保在它們被提交到區塊鏈之前，意圖得到安全有序的管理。
● 數據有效性的 ZK 模擬：這是驗證某些意圖及其相應解決方案所需的資源，它們將依賴於鏈下數據。零知識證明可用於驗證此數據的有效性。利用高級加密工具，如 Brevis 或 Axiom，Aperture 可以爲歷史上鏈的數據生成 ZKP，這些數據是解決方案提出者提出的一部分。這種方法允許對解決方案的輸出進行嚴格驗證，確保其準確、完整，併符合指定的約束和意圖，衕時不會泄露交易數據的機密性。
● 驗證智能合約：每種意圖使用案例都將需要一個智能合約來模擬、驗證和監管所提出的解決方案。
● 排名和執行引擎：每組經過驗證的意圖都需要根據結果和解決者得分進行排名，然後隨後執行。這個執行引擎的關鍵方麵是它的責任製執行能力。如果髮生任何惡意活動，比如撤銷的交易或其他惡意事件，執行引擎被設計爲通過減少獎勵或其他方式懲罰責任解決者。這不僅保護了交易的完整性，還能夠阻止解決者的潛在惡意行爲。
應用層：Solver DAO
Solver DAO 網絡是建立在意圖基礎設施之上的獨特應用層。Aperture 意圖基礎設施使得 Solver DAO 能夠專註於啟用和解決基於獨特意圖的使用案例，而無需擔心底層執行需求。
Solver DAO 通過質押必要數量的 $APTR 和 $ETH，穫得對 Aperture 清算所中用戶意圖的訪問權限。Solver DAO 可以與一個具有專有解決方案的大型專業求解器或由較小的求解器組成的網絡相關聯。
新的意圖解決方案可以來自 Aperture 或第三方 Solver DAO。求解器 DAO 通過啟用新的意圖用例來增加價值。這需要提交必要的業務邏輯以適應 Aperture 的模塊化設計。構建完成後，該使用案例現在可以從 Aperture 意圖界麵或由解決者 DAO 創建的第三方界麵中進行“聲明”。
Aperture DAO 將爲 Solver DAO 提供 $APTR 資助，以啟用新的意圖用例。
Solver 將如何競爭，可能存在哪些類型的 Solver？
鏈上與鏈下
在競爭激烈的 Aperture 意圖生態繫統中，Solver 通過他髮布解決方案的方法來脫穎而出。雖然不是強製性的，但智能合約由於其可擴展性和速度而更受青睞。然而，鏈下腳本衕樣擅長快速髮布解決方案，提供了一條替代途徑。某些已聲明的意圖甚至可能具有特徵，使 Solver 者能夠手動提交解決方案。（例如，賣家希望安排一筆大型場外交易，併設置了一個爲期 3 天的競價窗口。）
維護 alpha
對於擁有真正“alpha”或專有解決方案生成方法的 Solver，他們可以避免使用智能合約來生成解決方案，而是可以依賴 Aperture 的零知識驗證過程來建立對其鏈下腳本啟用解決方案的信任。這將增強吸引解決者的正曏循環效應（可持續的商業解決方案，吸引更多收入，吸引更多解決者）。
求解器庫
盡管在給定生態繫統中併非明確要求，但 Solver 也可以選擇通過衆籌的方式來籌集保證金，通過保險庫機製，以解決者收益的一部分作爲回報。每個 Solver DAO 都可以開源一個回報共享保險庫合約，供其解決者實施（如果他們希望穫得初始資金支持的話）。
示例：意圖空投
爲了便於理解，Aperture 在第一篇博文中提出的“空投索賠意圖”爲例。用戶如何聲明意圖？一個專門的 Solver DAO 如何利用 Aperture 的 Solver DAO 市場？
用戶首先用自然語言聲明：
“代錶我認領所有符合條件的空投，別忘了與認領相關的 gas 費用，作爲交換，支付 1% 或更少的費用。”
聊天機器人可能會提出澄清問題，以進一步梳理用戶的聲明。
一旦這個澄清工作完成，意圖將從自然語言翻譯爲編碼後的意圖 DSL，併以可讀的格式髮送回用戶，供其驗證。接下來，意圖錶達將被髮布到意圖清算中心，任何符合條件的 Solver 都可以在其中查看用戶的聲明。
現在，Solver 都可以查看用戶的地址，併將其與可認領的空投或獎勵進行交叉參考。由賬戶抽象錢包支持的許可函數允許解 Solver 代錶用戶認領空投。解決者將在“髮現者費用”和他們對空投的整體了解上相互競爭。現在，意圖的不衕之處在於，如果解決者 A 涵蓋了一個 Dymension 空投，而解決者 B 涵蓋了一個 Celestia 空投，那麽兩個解決者都可以從我們的用戶那裡穫得髮現者費用。
提出的解決方案都將由 Aperture 的智能合約進行模擬，以驗證提議的結果，然後對所有經過驗證的解決方案進行排名。然後，Aperture 將代錶用戶執行，返回所有空投。
聲明：
本文轉載自[chaincatcher]，著作權歸屬原作者[行業速遞]，如對轉載有異議，請聯繫Gate Learn團隊 “Gate Learn團隊”)，團隊會根據相關流程盡速處理。
免責聲明：本文所錶達的觀點和意見僅代錶作者個人觀點，不構成任何投資建議。
文章其他語言版本由Gate Learn團隊翻譯， 在未提及Gate.io)的情況下不得覆製、傳播或抄襲經翻譯文章。
相關文章
簡而言之：十倍的執行效率，十分之一的工作量
用戶體驗：由意圖 DSL 驅動的 Aperture LLM
底層基礎設施
應用層：Solver DAO
Solver 將如何競爭，可能存在哪些類型的 Solver？
簡而言之：十倍的執行效率，十分之一的工作量
Aperture 正爲用戶構建一種新的聊天機器人體驗，由底層的意圖基礎設施支持，使用戶能夠用自然語言“錶達他們的目標”，併利用一繫列解決者網絡（network of solvers），以實現比當前交易範式下更好的執行和更優惠的定價。
用戶體驗：由意圖 DSL 驅動的 Aperture LLM
首先，Aperture 將從任何大規模採用的基礎條件開始：用戶體驗 （UX）。
當前的 DeFi UX 以交易方法爲中心，該方法要求具有不衕技術理解水平的用戶簽署狀態更改，這也改變了用戶心中的“最終狀態”。通過意圖，Aperture 將“最終狀態”置於用戶體驗的核心位置。
借助現代 LLM 和專有的麵曏意圖的編程語言的力量，Aperture 旨在增強用戶意圖的錶達能力。這將使用戶能夠更直觀、更有效地闡明他們的交易目標和偏好，從而更輕鬆、更精確地利用區塊鏈的潛力。
想象一位不了解區塊鏈技術原理的用戶，麵對傳統 DeFi 界麵上的一大堆“旋鈕和按鍵”，顯然，Aperture“支持用戶用自然語言錶達他們的意圖”的做法更簡單。這背後需要將自然語言轉換爲區塊鏈代碼——這就是領域特定語言 （DSL） 的用武之地。
與適用於廣泛領域的 GPL（通用語言） 不衕的是，DSL 是一種針對特定應用領域的專用計算機語言。DSL 的設計和利用是領域工程不可或缺的一部分，通常涉及創建新的 DSL 或調整現有 DSL，便於特定領域內更有效地錶達問題和解決方案。
在 Aperture 中，DSL 的設計側重考慮人類的閲讀習慣和語言習慣，這對支持清晰直觀的意圖錶達至關重要。而其他 DSL 可能會優先考慮諸如編程效率或機器級優化等方麵。
在 Aperture 上，LLM 允許用戶用自然語言錶達其意圖，併將該意圖以高度可讀的 DSL 形式反饋給用戶，從而彌合了技術功能與用戶友好界麵之間的差距。這個 DSL 隨後可以被提供給解決者，作爲該用戶的“真實聲明”。
使用一個現實世界的類比：LLM 到 DSL 的翻譯用戶體驗類似於——顧客通過電話在比薩餅店下訂單。顧客可能用非常口語化的語言下訂單：“給我你們最大號的，所有肉類的比薩。”另一端的接線員可能會反饋給他們：“您想要我們的肉食者比薩，加大號的嗎？”用戶很容易理解這個轉換併衕意：“是的，我不知道它的名字，但那就是我想要的。”
在鏈上，這種交互將以類似的方式進行。用戶可能會首先聲明他們的最終目標——
“你能夠重新平衡我的 ETH-GMX LPs，使其在所有我的 EVM 鏈上集中 80% 的資金在錶現最佳的池子中，而剩下的 20% LP 資金均勻分配到剩餘的池子中嗎？”
DSL 的解析可能會反饋給用戶——
● 符合條件的資産：主網、Arbitrum 和 Avalanche 上的 ETH-GMX 交易對；
● 允許的操作：橋接、移除流動性、交易 ETH 或 GMX、增加流動性；
● 最終目標 1 ：根據 APY Vision 的數據，重新平衡流動性頭寸，將 80% 的合格資産資本集中在現貨年利率最高的頭寸上；
● 最終目標 2 ：重新平衡流動性頭寸，將 20% 的合格資産資本集中在最終目標 1 中未使用的現有資金池中；
● 簽署意曏聲明（如果正確）。
轉換 LLM 會將口語編纂成 DSL 的標準化術語，求解器以可預測和可覆製的方式利用這些術語。
底層基礎設施
意圖基礎設施可以分解爲幾個部分：
● 意圖清算中心（內存池）：充當用戶意圖的初步暫存區。它旨在有效地組織這些意圖以供處理，使用基於各種標準（如緊急程度和資源需求）的優先級算法。清算中心確保在它們被提交到區塊鏈之前，意圖得到安全有序的管理。
● 數據有效性的 ZK 模擬：這是驗證某些意圖及其相應解決方案所需的資源，它們將依賴於鏈下數據。零知識證明可用於驗證此數據的有效性。利用高級加密工具，如 Brevis 或 Axiom，Aperture 可以爲歷史上鏈的數據生成 ZKP，這些數據是解決方案提出者提出的一部分。這種方法允許對解決方案的輸出進行嚴格驗證，確保其準確、完整，併符合指定的約束和意圖，衕時不會泄露交易數據的機密性。
● 驗證智能合約：每種意圖使用案例都將需要一個智能合約來模擬、驗證和監管所提出的解決方案。
● 排名和執行引擎：每組經過驗證的意圖都需要根據結果和解決者得分進行排名，然後隨後執行。這個執行引擎的關鍵方麵是它的責任製執行能力。如果髮生任何惡意活動，比如撤銷的交易或其他惡意事件，執行引擎被設計爲通過減少獎勵或其他方式懲罰責任解決者。這不僅保護了交易的完整性，還能夠阻止解決者的潛在惡意行爲。
應用層：Solver DAO
Solver DAO 網絡是建立在意圖基礎設施之上的獨特應用層。Aperture 意圖基礎設施使得 Solver DAO 能夠專註於啟用和解決基於獨特意圖的使用案例，而無需擔心底層執行需求。
Solver DAO 通過質押必要數量的 $APTR 和 $ETH，穫得對 Aperture 清算所中用戶意圖的訪問權限。Solver DAO 可以與一個具有專有解決方案的大型專業求解器或由較小的求解器組成的網絡相關聯。
新的意圖解決方案可以來自 Aperture 或第三方 Solver DAO。求解器 DAO 通過啟用新的意圖用例來增加價值。這需要提交必要的業務邏輯以適應 Aperture 的模塊化設計。構建完成後，該使用案例現在可以從 Aperture 意圖界麵或由解決者 DAO 創建的第三方界麵中進行“聲明”。
Aperture DAO 將爲 Solver DAO 提供 $APTR 資助，以啟用新的意圖用例。
Solver 將如何競爭，可能存在哪些類型的 Solver？
鏈上與鏈下
在競爭激烈的 Aperture 意圖生態繫統中，Solver 通過他髮布解決方案的方法來脫穎而出。雖然不是強製性的，但智能合約由於其可擴展性和速度而更受青睞。然而，鏈下腳本衕樣擅長快速髮布解決方案，提供了一條替代途徑。某些已聲明的意圖甚至可能具有特徵，使 Solver 者能夠手動提交解決方案。（例如，賣家希望安排一筆大型場外交易，併設置了一個爲期 3 天的競價窗口。）
維護 alpha
對於擁有真正“alpha”或專有解決方案生成方法的 Solver，他們可以避免使用智能合約來生成解決方案，而是可以依賴 Aperture 的零知識驗證過程來建立對其鏈下腳本啟用解決方案的信任。這將增強吸引解決者的正曏循環效應（可持續的商業解決方案，吸引更多收入，吸引更多解決者）。
求解器庫
盡管在給定生態繫統中併非明確要求，但 Solver 也可以選擇通過衆籌的方式來籌集保證金，通過保險庫機製，以解決者收益的一部分作爲回報。每個 Solver DAO 都可以開源一個回報共享保險庫合約，供其解決者實施（如果他們希望穫得初始資金支持的話）。
示例：意圖空投
爲了便於理解，Aperture 在第一篇博文中提出的“空投索賠意圖”爲例。用戶如何聲明意圖？一個專門的 Solver DAO 如何利用 Aperture 的 Solver DAO 市場？
用戶首先用自然語言聲明：
“代錶我認領所有符合條件的空投，別忘了與認領相關的 gas 費用，作爲交換，支付 1% 或更少的費用。”
聊天機器人可能會提出澄清問題，以進一步梳理用戶的聲明。
一旦這個澄清工作完成，意圖將從自然語言翻譯爲編碼後的意圖 DSL，併以可讀的格式髮送回用戶，供其驗證。接下來，意圖錶達將被髮布到意圖清算中心，任何符合條件的 Solver 都可以在其中查看用戶的聲明。
現在，Solver 都可以查看用戶的地址，併將其與可認領的空投或獎勵進行交叉參考。由賬戶抽象錢包支持的許可函數允許解 Solver 代錶用戶認領空投。解決者將在“髮現者費用”和他們對空投的整體了解上相互競爭。現在，意圖的不衕之處在於，如果解決者 A 涵蓋了一個 Dymension 空投，而解決者 B 涵蓋了一個 Celestia 空投，那麽兩個解決者都可以從我們的用戶那裡穫得髮現者費用。
提出的解決方案都將由 Aperture 的智能合約進行模擬，以驗證提議的結果，然後對所有經過驗證的解決方案進行排名。然後，Aperture 將代錶用戶執行，返回所有空投。
聲明：
本文轉載自[chaincatcher]，著作權歸屬原作者[行業速遞]，如對轉載有異議，請聯繫Gate Learn團隊 “Gate Learn團隊”)，團隊會根據相關流程盡速處理。
免責聲明：本文所錶達的觀點和意見僅代錶作者個人觀點，不構成任何投資建議。
文章其他語言版本由Gate Learn團隊翻譯， 在未提及Gate.io)的情況下不得覆製、傳播或抄襲經翻譯文章。
相關文章