以太坊Layer2扩容方案

AI 总结： 视频主要讨论了以太坊面临的扩展性问题以及现有的Layer 2解决方案，包括 Optimistic Rollup 和ZK Rollup等技术。讲师还介绍了模块化区块链的概念以及不同Layer 2方案的特点和优缺点。 1、课程介绍与以太坊扩展性问题 课程主要内容包括以太坊的扩展性问题、扩容方案以及模块化区块链概念。 以太坊更关注去中心化和安全性，但存在交易处理速度慢（12秒出块）和容量小的问题，导致交易费用高。 以太坊每秒仅能处理约50笔交易，远低于支付宝、Visa等传统支付系统的数万笔TPS。 2、以太坊扩容方案 扩容方案分为两类：在以太坊主链上扩容（如提高gas limit）和通过二层（Layer 2）扩容。 提高gas limit是简单直接的扩容方法，但会增加节点运营成本。以太坊社区近期已加快gas limit的提升速度。 分片技术方案复杂，目前已被搁置，社区转向以Rollup为中心的扩容路线。 3、Layer 2扩容方案 Layer 2扩容方案包括侧链、状态通道、Plasma和Rollup，目前以Optimistic Rollup（OP）和ZK Rollup（ZK）为主。 侧链是独立于以太坊的链，安全性无法由以太坊保证，资金跨链存在风险。 状态通道适用于小额高频交易，但需参与者保持活跃，目前发展不佳。 Plasma方案因无法验证状态根的正确性而被搁置。 Rollup方案将交易数据和状态根提交到主链，通过重放验证交易正确性，分为OP和ZK两种。 4、Optimistic Rollup与ZK Rollup对比 OP假设交易正确，仅在挑战时验证，兼容性好但需等待挑战期（通常3-7天）。 ZK通过零知识证明验证交易正确性，安全性高且提现快，但证明效率低且成本高。 OP框架以OP Stack为主，ZK框架包括Polygon CDK、ZK Stack等。 5、模块化区块链与数据可用性 模块化区块链分为执行层、数据可用层、共识层和结算层，各层可独立替换。 以太坊的blob交易类型（EIP-4844）为Layer 2提供专用数据存储空间，降低费用。 数据可用性（DA）服务如Celestia允许将数据存储到其他链，降低成本但存在风险。 6、Layer 2的挑战与未来发展 Layer 2存在流动性分散和互通性差的问题，以太坊未能充分捕获Layer 2价值。 未来可能通过共享排序（如Best L1 Proposal）或原生验证（如Native Verification）改善互通性。

Dune平台：区块链数据查询与分析实战

AI 总结： 视频主要介绍了如何利Dune平台进行区块链数据的查询、分析和可视化展示。通过以太坊交易量和代币案例演示了Dune平台功能及 DuneSQL查询技巧。 1、课程介绍与Dune平台功能 •课程主要介绍Dune数据平台，用于区块链数据的查询和可视化。Dune提供了丰富的数据集和预处理表，支持SQL查询和图表展示。 •Dune的工作原理包括监控链上数据生成原始表，然后对流行协议（如ERC20）进行二次解析，形成更易查询的表。 •Dune支持AI功能，可以将自然语言描述转化为SQL查询语句，并支持多种图表展示（如线图、面积图等）。 2、以太坊数据查询示例 •查询过去一天以太坊的交易量：227万ETH。 •查询USDC过去一天的交易量：通过ERC20表过滤合约地址和时间范围，获取交易量总和。 •查询过去一周以太坊每天的交易量，并按天分组展示图表。 •查询以太坊价格波动：通过price.usd或daily表获取价格数据，支持以美元计价的分析。 3、PEPE代币案例分析 •分析PEPE代币的持币明细：通过转账事件（transfer）汇总每个地址的余额，查询结果与区块链浏览器数据一致。 •查询PEPE的总持币用户数和发行量：4866802个持币地址，总发行量通过余额加总计算。 •分析PEPE的每日交易活跃度：通过转账表按天分组，统计交易笔数和金额。 4、SQL查询优化与注意事项 •查询时尽量避免全表扫描，只请求需要的列，使用LIMIT减少数据量。 •利用时间或区块高度过滤数据，避免在过滤条件中使用函数运算。 •JOIN操作时用小表连接大表以提高效率。

The Graph：链上数据索引与子图实战

AI 总结： 视频主要介绍了如何使用The Graph协议进行链上数据的索引和查询，以及自建数据索引与第三方服务的对比。重点是演示了如何通过子图(subgraph)实现用户转账记录和余额查询的功能。 1、不同的数据获取方式 •课程主要讲解数据处理，分为自建和使用第三方协议两大类。自建需要编写后台程序索引数据，而第三方协议如区块链浏览器提供API直接访问结构化数据。 •数据提供商通常处理知名项目的数据，自定义项目需自行建立索引规则，如通过程序解析事件并存储。 2、TheGraph 介绍与工作原理 •Graph是一个去中心化数据索引协议，通过子图（Subgraph）定义事件到结构化数据的转换规则 。 •Graph的工作原理是合约触发事件，节点接收事件并根据子图规则存储数据，提供GraphQL API供查询。 3、实际操作与示例 •演示如何创建子图工程，定义实体表（如转账记录和用户余额），并部署到Graph网络。 •通过GraphQL查询用户的转账记录和余额，展示了如何动态获取链上数据。 •实现区块高度下的用户余额快照，通过存储每个区块高度的余额数据支持历史查询。 4、高阶用法与注意事项 •关联查询支持表间关联（如用户与转账记录），模板功能支持动态跟踪工厂合约创建的新合约事件。 •Graph适合处理历史数据，但复杂查询（如GROUP BY、JOIN）和跨子图查询不支持，且协议频繁升级时不稳定。

MEV 与 Flashbots 解决方案

AI 总结：视频讨论了MEV的概念、常见攻击策略（如三明治攻击）以及防范措施（如Flashbots解决方案）。此外，还涉及了交易池机制、区块构建流程以及MEV对以太坊的影响。 1、MEV攻击与防范 MEV（矿工可提取价值）攻击包括三明治攻击、抢跑、尾随等多种方式，通过改变交易排序或添加交易来套利。 MEV攻击会导致Gas费用不稳定、链上空间浪费，并对普通用户不公平。 防范MEV攻击的方法包括使用隐私节点隐藏交易、Flashbots提供的透明排序市场以及捆绑交易确保原子执行。 2、Flashbots解决方案 Flashbots构建了一个透明的排序市场，将区块构建和验证分离，验证者通过安装 MEV-Boost 插件参与。 Flashbots的隐私节点和捆绑交易功能可以防止交易被抢跑或夹击。 目前大多数验证者已安装Flashbots的MEV Boost插件，通过拍卖区块空间获取额外收益。 3、实际案例分析 通过MEV浏览器分析了一笔套利交易，展示了如何通过Flash Swap在不同池子之间套利，获利0.017 ETH。 分析了一笔三明治攻击案例，攻击者通过监听内存池夹击用户交易，获利微小但频繁。 4、QA 求职讨论 开发者遇到前端开发困难时，建议使用命令行交互或学习基础前端知识，也可利用AI辅助开发。 当前智能合约工程师岗位需求偏向高级，建议通过丰富项目经验和优化简历提升竞争力。

DAO: Token 投票治理与 Snapshot

视频 AI 总结： 该视频主要讲解了 DeFi 项目中至关重要的 DAO 治理，对比了传统中心化组织与去中心化自治组织（DAO）的区别，并详细介绍了 DAO 的概念、链上治理的实现方式（通过智能合约）以及链下治理（使用 Snapshot）。视频还通过以太坊、Uniswap 等实际案例，阐述了 DAO 治理在项目参数调整、资金分配和发展方向决策中的应用。 关键信息： 1. DAO 是去中心化自治组织，与传统中心化组织相比，更公开透明，参与度更高。 2. DAO 治理包括链上治理（通过智能合约实现，代码约束）和链下治理（如 Snapshot，无需 gas 费）。 3. 链上治理流程通常包括提案、投票和执行，执行前常有延迟，以允许用户退出或进行模拟测试。 4. 为防止重复投票，需在 token 合约中实现区块高度对应的检查点，记录用户在特定区块高度下的余额。 5. Snapshot 是一种链下投票工具，通过 IPFS 保证数据的公开透明和不可篡改。 6. DAO 治理是一个渐进的过程，项目可能从管理员控制过渡到多签管理，最终实现完全去中心化治理。

DeFi衍生品：期货、期权、债券与合成资产详解

视频 AI 总结： 该视频主要讲解了 DeFi 中的期货、期权、债券和合成资产等概念及其运作方式。重点介绍了永续期货合约的运作机制，包括如何通过资金费率来调节期货市场和现货市场的价格差异。同时，视频还讲解了期权的概念，以及如何利用期权进行对冲，降低风险。最后，视频还介绍了债券和合成资产的概念，以及它们在 DeFi 中的应用。 关键信息： 1. **期货与永续合约：** 期货合约是约定未来时间以约定价格买卖资产的协议。永续合约没有交割时间，通过资金费率调节市场价格与现货价格一致。 2. **对冲：** 通过在期货市场建立与现货市场相反的仓位，抵消价格波动风险。期权对冲则类似于购买保险，限制最大损失，保留上行收益潜力。 3. **期权：** 交易的是一种权利，即在未来某个时间以某个价格买入或卖出资产的权利。分为看涨期权（买入权）和看跌期权（卖出权）。 4. **债券：** 是一种讨债的权利，通常以 Token 形式存在，可以随时兑换成本币及其利息。 5. **合成资产：** 通过锚定一个资产的价值，发行对应的 Token。例如，通过超额抵押 ETH 来发行代表特斯拉股票的 Token。 6. **USDe 对冲的应用：** 稳定币协议 Ethena 通过在交易所开等额空仓仓位，对冲 ETH 抵押品的波动风险，提高资金利用率。 7. **GMX 和 Hyperliquid：** 介绍了两个去中心化永续合约项目，GMX 通过智能合约实现，Hyperliquid 则是一个定制的 Layer1 区块链。

杠杆交易与 VAMM 实现机制

视频 AI 总结： 该视频主要讲解了金融衍生品中的杠杆交易，并介绍了现货交易中做多和做空的概念。重点解释了杠杆交易的原理，包括如何通过借入资金来放大收益和风险，并详细分析了杠杆做多和做空情况下，价格上涨或下跌对利润和亏损的影响。此外，视频还介绍了 Perpetual 协议中使用的 VAMM（虚拟自动化做市商）机制，以及如何通过虚拟流动性来降低资金压力。 关键信息： * **现货交易做多做空：** 买入资产为做多，卖出资产为空。 * **杠杆交易定义：** 以数倍于自有资金买入或卖出资产，放大收益和风险。 * **杠杆做多：** 借入资金买入资产，价格上涨时收益放大，下跌时亏损也放大。 * **杠杆做空：** 借入资产卖出，价格下跌时收益放大，上涨时亏损也放大。 * **VAMM 机制：** Perpetual 协议使用虚拟流动性，降低资金压力，多空双方互为对手。 * **清算机制：** 当保证金率低于某个值时，触发清算，仓位被强制平仓。 * **作业：** 编写一个简单的杠杆 DEX，实现开仓、关仓和清算功能。

稳定币发行与稳定机制

视频 AI 总结： 该视频主要讲解了稳定币的分类、运行机制以及稳定币的稳定机制。视频首先介绍了稳定币是以美元为支撑的数字交易媒介和支付工具，并阐述了稳定币相对于法币和原生数字货币的优势。接着，视频详细讲解了抵押型稳定币（包括链下资产抵押和链上资产抵押）和算法稳定币的运行原理和稳定机制，并分析了各种稳定币的优缺点和潜在风险。 关键信息： 1. 稳定币分为抵押型和算法型两种，抵押型又分为链下资产抵押（如美元）和链上资产抵押（如ETH）。 2. 抵押型稳定币通过抵押资产来发行稳定币，并依靠套利机制来维持价格稳定。 3. 算法稳定币通过算法调节供需关系或激励机制来维持价格稳定，但存在稳定性和信任风险。 4. USDT是目前最大的稳定币，但USDC更合规。 5. 稳定币发行和交易所是Web3行业最赚钱的业务之一。 6. 视频中提到了多种算法稳定币项目，如Ampleforth、Basis Cash、Fei Protocol和TerraUSD，并分析了它们的机制和失败原因。 7. Rebase机制通过调整系数来改变用户看到的余额，从而实现供需调节。 8. 协议控制价值（PCV）是指协议控制的资产，可以用于调节价格和保证流动性。 9. TerraUSD（UST）的失败是由于其高利率理财产品导致了庞氏骗局和死亡螺旋。

借贷协议：原理、利率模型、清算

视频 AI 总结： 该视频详细讲解了 DeFi 借贷的原理、机制和风险，并介绍了 Compound、AAVE 等主流借贷协议的特点和创新。视频核心内容包括：DeFi 借贷是 DeFi 领域的重要组成部分，通过抵押资产借出资金，满足用户不想出售资产但又需要资金的需求。同时，视频也深入探讨了借贷利率的计算方式、超额抵押机制、预言机在价格获取中的作用，以及清算机制如何保障协议安全。最后，视频还介绍了 4626 标准，并提出了 DeFi 借贷中存在的风险及应对方法。 关键信息： * DeFi 借贷是 DeFi 领域 TVL 最大的板块。 * 借贷协议采用超额抵押机制，降低风险。 * Compound 和 AAVE 是主流借贷协议，各有特点。 * 利率动态调整，与资金使用率相关。 * 预言机提供资产价格，清算机制保障协议安全。 * ERC 4626 标准统一了资产份额的接口，提升了组合性。 * DeFi 借贷存在池化风险、循环杠杆和清算导致价格下跌等风险。 * AAVE V3 实现了跨链借贷，Morpho 允许用户创建自己的借贷市场。

LP质押挖矿：SushiSwap 奖励算法

视频 AI 总结： 该视频主要讲解了去中心化交易所（DEX）中流动性挖矿（LP质押挖矿）的收益逻辑，并以 SushiSwap 为例，详细解释了其流动性挖矿的奖励计算方式。同时，视频还简要介绍了借贷协议，并以 Compound 为例，讲解了借贷中的利息计算和清算机制。核心在于理解挖矿的奖励和利润模型，以及如何通过合约控制挖矿行为，并激励用户参与平台币的交易对。 关键信息： * 流动性挖矿（Yield farming）是将 LP 质押到池子中以获取奖励的过程。 * SushiSwap 通过发行 Token 和流动性挖矿来吸引流动性。 * LP 可以通过提供流动性获得手续费和平台币（如 SUSHI）奖励。 * 平台通常会设置多个池子，并为平台币交易对提供更高的奖励，以激励用户购买和持有平台币。 * 挖矿奖励的计算方式：每个区块的奖励由质押 LP 的用户按比例瓜分。 * SushiSwap 使用单位份额 LP 的累积奖励来解决 Gas 消耗问题，避免线性增长的计算复杂度。 * Compound 等借贷协议的利润模型与 SushiSwap 类似，都需要处理利息计算和清算问题。