Kun tekoäly oppii "lohkoketjuun": Kuinka MIT:n insinöörit rakentavat kohdistimia Web3-maailmaan "Cursor ja Claude voivat leikkiä Web2:n Reactilla, mutta Web3:ssa he ovat kuin sokeita ihmisiä." ​ Kun Luke sanoi tämän, yleisössä olleet hackathon-pelaajat hymyilivät tietävästi - he olivat liiankin tuttuja "jumissa" -kivusta. Älykkään sopimuksen kirjoittaminen ei ole koskaan niin yksinkertaista kuin "muutaman toiminnon kokoaminen". Pieni poikkeama tilamuuttujassa voi repiä suoraan kymmenien miljoonien dollarien tietoturva-aukkoja; Koodirivi, jossa ei oteta huomioon kaasukustannuksia, voi vaikeuttaa koko sovelluksen siirtymistä ketjussa. Vielä ironisempaa on, että tekoäly on jo tehnyt Web2-ohjelmoijista "täyden pinon yhdessä yössä", kun taas Web3-kehittäjät vaihtavat edelleen toistuvasti Remixin, Hardhatin ja Foundryn välillä ja tarkistavat testiraportit yhä uudelleen ja uudelleen - peläten astuvansa ketjun "näkymättömiin kuoppiin". Niinpä Luke päätti tehdä sen itse: olla tekoäly, joka todella "ymmärtää lohkoketjun semantiikkaa". Se voi kirjoittaa sopimuksia, testata turvallisuutta ja hoitaa koko ketjun prosessin. Tämä on Noran lähtökohta. @mynoraai #MyNoraAI #BuiltWithNora #NoraAgent #CodeWithNora #NoraAI

1. MIT:stä ketjuun: Tekoälytutkijat joutuvat Web3:n "kontekstiansaan" Ennen Web3:een sukeltamista Luke oli tekoälytutkija MIT Media Labissa; Myöhemmin hänestä tuli yksi harvoista teknisistä asiantuntijoista, jotka olivat syvästi mukana lohkoketjun taustalla olevassa kehityksessä, ja hän suunnitteli henkilökohtaisesti HotStuff-konsensusmekanismin ja BlockSTM:n rinnakkaissuoritusjärjestelmän. Tämä kokemus sai hänet näkemään keskeisen ongelman: Web3:n pullonkaula ei ole koskaan itse koodi, vaan sen takana oleva "ketjun konteksti". Älykkäiden sopimusten maailma ei ole koskaan vain looginen operaatio, vaan monimutkainen "tilakoneekosysteemi": lohkot ennen ja jälkeen vaikuttavat jokaiseen transaktioon, jokainen koodirivi on suoritettava "ketjun konsensuksen" sääntöjen mukaisesti, ja kääntäjän pienetkin optimoinnit voivat muuttaa lopullista suoritustulosta. Hän on nähnyt liian monien nuorten kehittäjien törmäävän näihin "näkymättömiin monimutkaisuuksiin" - vaikka syntaksi on hyvä, sopimus kaatuu ketjussa; Toiminto on selvästi toteutettu, mutta kukaan ei käytä sitä, koska kaasu on liian korkea. Samaan aikaan hänen sydämessään muotoutui myös ajatus: "Ehkä tekoälyn pitäisi ymmärtää koodin syntaksin lisäksi myös lohkoketjun "kielilogiikkaa".

2. Tekoälytyökalujen sokeat pisteet: Miksi Web2:n Cursor ei pysty käsittelemään ketjun sisäistä kehitystä? Ymmärtääksemme Noran arvon meidän on ensin ymmärrettävä perinteisten tekoälykoodaustyökalujen "Web3-sokea piste". Nykypäivän LLM-koodausavustajat – olipa kyseessä sitten Cursor, Claude Code tai Copilot – voivat luoda React-komponentteja, kirjoittaa API-rajapintoja ja jopa rakentaa koko sivuston logiikan. Mutta saada heidät kirjoittamaan Solidity-älysopimus? Ongelmia on lähes aina. Mikä on ongelma? Näiden mallien "semanttinen ymmärrys" perustuu täysin Web2-paradigmaan: front-end-renderöinti, taustarajapinnat, HTTP-kutsut, funktioiden syöttö ja tulostus...... He eivät näe ketjun ainutlaatuisia tilavirran muutoksia, virtuaalikoneen suorituslogiikkaa, kaasukustannusten laskentaa ja vielä vaikeampaa selvittää suojausrajoja (kuten paluuhyökkäykset, oikeuksien hallinta). "He ymmärtävät JavaScriptin maailmaa, mutta he eivät ymmärrä lohkoketjun "murretta". Luken yhteenveto osuu lukemattomien Web3-kehittäjien kipupisteisiin. Ja tämä on Noran lähtökohta.

3. Loppiaisen hetki: Anna tekoälyn ymmärtää "tavukoodin lämpötila" Vuoden 2024 lopussa Luke kohtasi hankalan ongelman Move-sopimuksen virheenkorjauksessa: tekoälyn luoma koodisyntaksi oli täysin oikea, mutta se ilmoitti virheestä heti, kun se ladattiin ketjuun - koska suorituslogiikka oli täysin erilainen kuin mitä alkuperäinen koodi odotti kääntäjän optimoinnin jälkeen. Tällä hetkellä hän yhtäkkiä tajusi, että jotta tekoäly voi kirjoittaa turvallisia sopimuksia, sen on ensin ymmärrettävä kääntäjän ja virtuaalikoneen "taustalla oleva kieli". Tästä tuli Noran suunnittelun ydin. Toisin kuin perinteiset tekoälyagentit, Noran malliarkkitehtuuri on upotettu suoraan "Compiler-Aware"- ja "VM-Level Context" -toimintoihin. Se ei ainoastaan ymmärrä Solidityn, Moven, Cairon ja Rustin syntaksieroja, vaan myös seuraa käännetyn tavukoodin suorituspolkua ja analysoi kunkin käskyn virtauslogiikan. Tämä tarkoittaa, että Nora ei vain "kirjoita koodia", vaan se voi automaattisesti tarkistaa sopimuslogiikan, havaita tietoturva-aukot ja jopa optimoida kaasunkulutuksen - enemmän kuin "monipuolinen insinööri", joka ymmärtää käännösperiaatteet, konsensusmekanismit ja tietoturvatarkastukset.