PolkaWorld

接着昨天的文章，PolkaWorld 已经分享了 HOLLAR 的最新动态以及该稳定币的运行机制。
《HOLLAR 的稳定性靠什么支撑？HOLLAR 会上中心化交易所吗？》
那除了 Hydration 的超额抵押稳定币 HOLLAR  上线之外，Gavin 之前提出的 Polkadot 原生稳定币的概念也进入了讨论。
Acala 联合创始人 Byran 两周前向 Polkadot 技术 Fellowship 提出了 PUSD 的提案，一款只由 DOT 抵押的原生稳定币。https://github.com/polkadot-fellows/RFCs/pull/155
它和 Hollar 有何不同？它能否真正把 DOT 的价值留在生态内部？而围绕治理、清算机制和长期维护的疑问，又是否已经有了答案？
这不仅仅是关于一枚稳定币的讨论，更关乎 Polkadot 未来的金融基础。
本文带你走进这场关于 PUSD 的核心争论。
PUSD 来袭：Gavin 提出的 Polkadot 原生稳定币，能否避免 aUSD 的老问题？为什么 Hydration 的清算机制更安全？PUSD 值得做吗？它和 Hollar 的差异、风险与未解之问如果 Polkadot 国库用 PUSD 支付，会更稳定还是更危险？
继续阅读，了解全部信息！
PUSD 来袭：Gavin 提出的 Polkadot 原生稳定币，能否避免 aUSD 的老问题？
jeeper：PUSD 和 Hollar 在这方面有什么区别？是不是 PUSD 只能用 DOT 抵押？它和 Hollar 的核心差异在哪里？
Alice und Bob：好的，那我先介绍一下 PUSD 的来龙去脉，再展开说明。
这个话题要追溯到大约两个月前的 Web3 峰会。当时 Gavin Wood 提出了他对 Polkadot 及其生态的一些新想法。
他谈到的背景是 DOT 的价值主张。他的观点是：DOT 因为质押利率过高，正在“流失价值”。目前 DOT 的质押年化大约在 12%，他认为理想的情况应该是尽可能把这些价值留在生态内。
于是，他提出了一系列减少价值流失的思路。比如：减少区块奖励，降低出块成本，还涉及一些与 Proof of Personhood（身份证明机制）相关的设想。
在这些思路中，他提到了发行稳定币的构想。他的基本设想是：出块人奖励不必用波动性很大的 DOT，而可以用稳定币来发放。因此，Polkadot 协议本身（大概率会在 Asset Hub 上）会发行一种新的稳定币，这种稳定币只会由 DOT 作为抵押品。
目前我们掌握的已知信息是：
PUSD 只由 DOT 抵押铸造；这个资产会被命名为 PUSD，这是本周（或上周）传出的消息。PUSD 的机制与我们今天讨论的 HOLLAR 稳定币类似：用户抵押 DOT，就能借出 PUSD。
但，这里就涉及到一个关键点：PUSD 的技术栈来自 Honzon 协议，而这正是当年 Acala 推出 aUSD 时所使用的协议。
因此在 Twitter 上引发了不少争议。很多人质疑：既然 aUSD 失败了，为什么还要继续使用同一套模块？
不过，进一步追溯可以发现，aUSD 当年的脱锚并不是 Honzon 协议本身的设计缺陷，而是由于发放了没有抵押支撑的激励，并且治理配置出现失误。严格来说，问题出在“未抵押的激励”被计入了协议债务，而不是 Honzon 协议本身。
那么在 Honzon 协议中，如果抵押品价格下跌，清算机制是如何运作的？
我们知道，超额抵押稳定币的基本逻辑是：用户存入资产（比如 DOT、ETH、BTC 等）作为抵押，铸造稳定币。问题在于：如果抵押物价格大幅下跌，就可能导致抵押不足，稳定币失去支撑。这就是所谓的资不抵债（Insolvency）：当负债超过资产时，系统就会出现风险。
举个例子：
我存入价值 1000 美元的 ETH；借出 800 美元的稳定币；如果 ETH 的价值跌到 600 美元，支撑就不够了。
这时系统会触发清算：某个清算人进来，用稳定币偿还债务，买下被清算的仓位，并赚取套利空间。这样能保证稳定币依然有足够的资产支撑。
在 Honzon 协议里，清算流程分三步：
先尝试在市场上卖掉抵押物；如果卖不出去，就进入拍卖；如果拍卖也失败，最终由协议内部兜底，记作协议债务。
这种情况通常发生在价格急速下跌、市场上无人愿意接盘时，协议因此背上债务。
Jakub，你能解释一下 Hydration 是怎么处理清算的吗？
为什么 Hydration 的清算机制更安全？
Jakub： 在 Hydration 里，如果抵押物的健康因子跌到 1，清算会立即触发。
清算既可以由外部套利者发起，也可以由协议本身执行。通常我们会直接在 Omnipool 或 DEX 中卖出抵押物，这样不仅能快速完成清算，还能顺带带来手续费和交易量。关键在于：清算必须立即完成，而不是依赖第三方资金的调动。
相比之下，中心化交易所或其他公链在市场剧烈波动时往往表现不稳定，原因包括 Gas 飙升、网络抖动、垃圾交易过多等。
Hydration 的不同之处在于：区块生产者（collator，类似 sequencer）在内存池中拥有优先权。这意味着清算交易有一条协议内置的“快车道”，可以获得首笔交易的独占权，保证清算最先执行，别人无法抢跑。这是以太坊、Solana 等通用智能合约平台无法做到的。
此外，Hydration 的清算机制也与 Aave、Compound 那种“一刀切”的方式不同。它不会一次性清算掉一半甚至全部仓位，而是只卖出一小部分抵押物，把健康因子恢复到 1.01。
这样一来，如果市场价格在短时间下跌后企稳，就不会触发过度清算，也不会卖出超出必要的抵押资产。对于抵押者来说，这在高波动时期能显著降低损失，体验更友好。
Alice und Bob： 所以，唯一可能出问题的情况，是价格出现极端暴跌，对吗？
Jakub： 也不完全是。因为在 Omnipool 中，清算交易始终享有优先执行权，所以通常能在价格完全崩溃之前，以相对更高的价格先行卖出。
这也是 Hydration 相比其他平台更有保障的地方。比如在以太坊，当市场大幅波动时，Uniswap v3 的流动性提供者往往会提前撤走流动性。结果是，市场最需要流动性的时候反而没有，导致价格下跌得更快。
PUSD 值得做吗？它和 Hollar 的差异、风险与未解之问
Alice und Bob： Jakub，我在开头提到过，Brian Chen（Acala 的联合开发者之一）在 GitHub 上提交了一个关于 PUSD 的 issue，这是提交给 Polkadot Fellowship 的 RFC（征求意见稿）。按照流程，Fellowship 可以先讨论并接受这个概念，然后再进入代码集成阶段。这算是提出 PUSD 的第一步。那你怎么看 PUSD？
Jakub： 坦白说，我的态度是中立的。

我能理解一些担忧，不管是理论上的还是现实的。比如说：Hollar 并不是由 Polkadot 持币人治理，这可能让人觉得缺乏“原生性”。但另一方面，Asset Hub 本身其实还没有完全准备好：流动性不足、没有预言机系统，还有许多缺失的组件。
另外，在 aUSD 出问题之后，从未见到过明确的沟通：到底该如何修复，或者未来如何避免类似情况。唯一能想到的办法，就是不要再用那些缺乏流动性的资产无限制地铸造稳定币。
所以整体感觉是：PUSD 的推出来得太快，几乎没有经过充分的讨论。这是个主要问题。并不是说我们强烈反对，但这确实让双方情绪都比较激动。
就我个人而言，我真的是中立的。我不觉得它会威胁到 Hollar，也不把它当作竞争。事实上，拥有一条链自己的原生稳定币，可能会成为新的趋势，我认为这想法合理。Gavin 其实早在 2017、2018 年就有 Polkadot 原生稳定币的构想，只是一直没有公开提及，可能是优先级不同。
不过我始终会追问几个关键问题：
谁会是产品负责人？谁来主导？谁来确保它能稳定运行，并且有良好的用户体验？谁来设定系统参数？谁来处理清算？
因为哪怕在 dot swap 里，流动性有时也是非零的，但价格却严重偏离，最后只能靠几个人手动套利，感觉就像“金融石器时代”。
还有一个问题：为什么要把清算逻辑直接写进协议？市场可能会连续几个月上涨，没有任何清算发生。这样一来，用户会放松警惕，继续加杠杆或借更多钱。等到突然下跌时，做市商和套利者往往更关注资本效率，资金会优先流向更活跃的市场机会，而不是长期闲置在这里等清算。
即使真的需要清算，也很难保证他们的预警系统能及时触发，或者交易所里有足够的资产。类似情况已经发生过很多次：用户想在中心化交易所铸造 USDT 或 USDC，却发现几个小时内根本不可用。
所以 PUSD 如果真的上线，实际运行中会有很多细节问题需要解决。社区是否真正需要它，我也不确定，看起来是有人支持的。但 RFC 的确认、批准和落地过程到底是怎样，我并不清楚。这些技术性问题仍然很多：它上线后究竟会如何运作？我们是不是只是急于部署，然后再慢慢迭代？我现在无法判断。
还有一个现实的担忧：PUSD 只能用原生 DOT 抵押。这些 DOT 会被锁在 CDP 里，既不能被借出，也无法获得收益。它不像 LST（流动性质押代币），可以在抵押的同时继续享受质押利率。而目前 DOT 的质押收益很高，即使在 Hard Pressure 提案激活后，从 12% 降到 6% 或 5%，依然是很可观的回报，这是大家不愿轻易放弃的。
所以，这里面有很多技术细节和治理问题。谁会真正负责这个项目？会不会有人持续维护，还是仅仅把代码部署上链，最后变成一个“僵尸协议”？像 DOT swap 一样，虽然上线了，但并没有真正作为一个产品被维护和迭代。
目前我们看到的，只有一个名字和一些需要部署的组件。更关键的问题，比如：系统会用什么作为预言机？依然没有答案。稳定币系统必须要能及时、可靠地获取抵押品价格，而 Asset Hub 上现在还没有预言机。
或许 DOT 的价格可以通过 XCM 从 Hydration 获取，这可能是一个相对稳健可靠的方案。Hydration 上有足够的 DOT 流动性，而且和 Binance 等平台的套利非常活跃，这也许能作为解决思路。
但总的来说，仍然存在很多开放性问题和不确定性。
我个人依然保持中立。如果社区最终决定要做，那就让它发生吧。但我希望所有参与者都务必确保它能够正常运行，不会带来新的灾难。因为一旦稳定币出事，后果都是极其惨烈的。它不像其他加密资产，可以在 5 万、6 万、7 万之间波动，稳定币只有两个状态：要么锚定 1 美元，要么直接归零。
如果 Polkadot 国库用 PUSD 支付，会更稳定还是更危险？
Alice und Bob： 谢谢你的分享。过去两三天我也在思考，觉得有一点 Gavin 还没有明确写下来，也没公开提到过。他谈到 PUSD 可以用来支付验证人奖励，但我认为同样合理的一个用途是国库支付。国库完全可以用 PUSD 来进行支出，而不是用 USDT、USDC。
这样会产生一个有趣的场景：PUSD 可以直接被铸造出来用于支付，不会立即产生抛压。只有当接受 PUSD 的人选择把它兑换成 USDT、USDC 或其他稳定币时，才会出现实际的卖压。
不过我同意你说的，PUSD 的机制确实更复杂，尤其是 Honzon 协议整体上比 Aave 或 Hollar 要复杂。
Jakub： 其实我觉得它更简单。它更像是 2017、2018 年的 MakerDAO：
只有一个单一金库；抵押品被托管在里面，不能被借出，只是静静放着等待还款；期间会产生利息；系统依赖价格预言机输入价格。
不过，如果这个稳定币的规模很大，就会引发相关性风险。比如 DOT 价格下跌，会触发清算，而清算意味着必须卖出金库里的 DOT。问题是，买家只有在价格低于市场价时才愿意买。
一般来说，会设置一个清算奖励（liquidation bonus）来刺激清算人介入，本质上就是立即套利的空间。
举个例子：某笔抵押物价值 100 美元，系统设置 5% 的清算奖励。那么清算人就能以 100 美元的价格买到价值 105 美元的 DOT，相当于白赚 5 美元。至于清算人之后怎么处理这部分奖励 DOT，就取决于他自己，大多数情况下会换成现金或稳定币。
因此，清算对抵押者总是痛苦的，因为本质上是在局部低点被强制卖出。理想状态是清算足够温和，而不是在市场快速下跌时，被迫一次性大量抛售。
在 Hydration 中，我们采用了软清算机制：每次只清算少量抵押物，把健康因子恢复到 1.01；而不是像其他协议那样，一次性清算掉一半甚至全部仓位。
Alice und Bob： 嗯，有道理。我觉得这说明 PUSD 更适合在有限规模下运行，而不是做得过大。因为一旦体量过大，就会和价格形成更强的相关性风险，尤其是在所谓的“本地经济”环境里。
我记得在 Byran 的提案中，他们提到会采用时间加权平均价格（TWAP），并通过 XCM 或状态证明（state proofs）引入。这意味着系统会读取其他平行链的状态来获取实时价格，同时还需要处理多个预言机的复杂性。
好的！这次对话算是一个不错的开端，也为大家做了很好的介绍。
感谢所有参与者，特别感谢 Jakob 分享了宝贵的专业见解。我们可以拭目以待接下来的进展。
另外，也要再次祝贺 Hollar 的正式上线。我认为你们真正做对的地方在于：清楚地理解并掌握了整个架构，知道在交易所里如何搭建流动性的核心组件。所以看到你们的推进过程非常有意思。
也很期待未来 Hollar 的进一步发展，以及你们即将发布的其他产品。这对整个生态来说都是积极的信号。
另外，祝贺你们本周已经突破 500 万 TVL，希望市场能继续沿着这个方向增长。
原音频链接：https://x.com/alice_und_bob/status/1970865957489811750
截止发文，该提案已经被社区开发者提交到了 OpenGov 的 WFC 提案中，如果你对这个提案有建议，可以在这里进行投票和评论。https://polkadot.subsquare.io/referenda/1761

#Polkadot

Hollar 上线，Polkadot 迎来新的原生稳定币。
稳定币是 DeFi 的核心基石。它不仅要能自由流通，还要在市场中保持与美元等法币的稳定锚定。过去，这个领域长期由 USDT、USDC 等中心化稳定币主导，但它们受制于发行公司，存在冻结和审查风险。
本周，Hydration 推出了 Hollar。
它采用超额抵押机制，由 DOT、ETH、pBTC 等白名单资产支撑，并通过与 USDT、USDC、USDS、USDe 等稳定币池配对来启动初始流动性。用户已经可以在 Hydration 的借贷市场里存入资产，生成 Hollar，并参与年化接近 20% 的流动性挖矿。（目前已经到 15% - 17%）

社区的关注点随之而来：
👉 Hollar 的稳定性如何保证？
👉 为什么在已有 USDT、USDC 的情况下，我们还需要 Hollar？
👉 它能否在 Polkadot 生态中建立自己的“货币地位”？
Hollar 的出现，正在为 Polkadot 的稳定币叙事打开新的一章。
社区成员 Alice und Bob 昨晚在 Twitter 上进行了一场直播，向社区分享了 HOLLAR 和 PUSD 的情况。PolkaWorld 第一时间为大家整理了主要内容。
本文是该直播的上半部分内容，主要包含以下信息：
Hollar 上线，PUSD 提案登场 Hollar 的稳定性靠什么支撑？稳定币最大的风险是声誉受损，应该采取“谨慎、保守”的策略为什么要用 Hollar？它比 USDT、USDC 多了哪些优势？Hollar 会上中心化交易所吗？
Hollar 上线，PUSD 提案登场
jeeper：我们可以先从基础讲起。因为并不是所有听众都是 Polkadot 生态里的“铁杆玩家”。能不能先解释一下我们目前已经有哪些稳定币？比如 USDT 和 USDC，它们存在已久、被广泛使用。那么，为什么我们还需要 Hollar 和 Polkadot 的 USD？它们之间的主要区别是什么？
Alice und Bob： 好的，那就从这里开始。
所谓稳定币，通常是指锚定美元等法币的代币，并在区块链上运行。核心问题是：如何确保这种代币始终等于 1 美元？
目前有几种解决方案：
中心化稳定币
最经典的方式是由中心化机构发行，比如 Tether（USDT）、Circle（USDC）。它们的运作逻辑是：你存入 1 美元，就会得到 1 个稳定币；你也可以随时用稳定币兑换回 1 美元。锚定机制来源于这种“可兑换”的承诺。
当然，这依赖信任。你如何确认他们真的有足额储备？通常是靠审计报告或“储备证明”，但这点长期以来备受争议。
至于盈利模式，他们会把储备资金投入美国国债等低风险资产赚取利息。这意味着并非所有美元储备都是现钞，而是以国债或其他稳定资产形式存在。
风险在于：你必须信任发行公司的行为。公司不仅能冻结资产，如果你被列入某个名单，你的代币甚至可能被冻结。这显然与加密货币“自由资金”的初衷相悖。 
算法稳定币（去中心化）
因为不想依赖中心化机构，人们开始探索链上生成的算法稳定币。其中最主要的一类是超额抵押稳定币。
机制是：你存入加密资产（如 ETH、DOT、BTC 等）作为抵押，然后生成稳定币。即便稳定币失效，你仍可用它兑换回抵押物，从而保证价值。
典型案例是 DAI：最初只由 ETH 抵押，后来发展成多资产抵押，是目前最有代表性的去中心化稳定币。它背后有庞大的治理机制和社区。 
在 Polkadot 生态里，也曾有过类似尝试：Acala 推出的 aUSD。aUSD 是超额抵押型稳定币，但三年前因治理配置失误，意外铸造了远超预期的代币，导致严重脱锚，从 1 美元跌到约 0.5 美元。Acala 虽尝试修复，但始终没能恢复锚定。这次事件让 Acala 元气大伤，至今都没有完全恢复。
之后，Hydration 宣布将推出新的稳定币 Hollar。就在本周，Hollar 正式上线，紧随其两个月前发布的货币市场之后。

要发行这种稳定币，必须先有借贷机制：
用户将资产存入货币市场；  在抵押的基础上借出另一种资产；  借出的资产可以是新铸造的合成资产。 
理论上，合成资产可以是任何东西：美元、欧元、日元、黄金，甚至股票，只要有可靠的预言机提供价格。
理想情况下，美元类稳定币更易实现，因为预言机风险更低。如果生态内已有 DEX，还能直接用 DEX 价格作为喂价。
通常的发展路径是：
先有 DEX，提供初始流动性；  在 DEX 基础上搭建货币市场，并用它作为预言机；  再发行稳定币或其他合成资产，同样用 DEX 喂价。 
这三者组合起来，被称为 DeFi 三位一体。拥有这三样，就能产生大量交易量和手续费，形成良性循环。
在 Web3 Summit 中，Gavin Wood 提出了一个新观点：Polkadot 应该有一个 “生态原生稳定币”。意思是，这种稳定币应该由 Polkadot 治理来掌控，接受 DOT 持币人的管理，其价值回流也会惠及 DOT 及持有人。而在本周，Acala 的联合创始人 Byran 已经向 Fellowship 提出一个提案，旨在为 Polkadot 创建一个原生稳定币 —— PUSD。
这就是当前稳定币格局的大致框架。
Hollar 的稳定性靠什么支撑？
jeeper：我有几个问题，不过最相关的可能是关于 Hollar 的。你之前说它是超额抵押的，那么抵押资产显然是加密货币。那它是单纯用 DOT 抵押的吗？还是用整个 Omnipool 里的资产？Hollar 的背书是什么？
Alice und Bob：对，这通常的运作方式是这样的：有一个“授权资产清单”，只有白名单里的资产可以作为抵押存入借贷市场。你存进去后，就可以按参数借贷。原理和传统借贷相同。
举个例子：今天我可以存 DOT，然后借出 BTC；或者存 DOT，借出其他资产。同样地，现在我就可以借出一种新的合成资产，这就是 Hollar。它是在借出的那一刻被铸造出来的。
因为它是有抵押的，所以会有费用，可以是稳定费或者借款费。当你归还借出的资产时，就能赎回你最初提供的抵押品。
所以，Hollar 的支撑其实是用户存入借贷市场的抵押资产，然后基于这些抵押资产生成的稳定币。
jeeper：比如说，如果我有很多 Mythos，可以用它抵押来借 Hollar 吗？还是只有特定白名单代币才能抵押？
Alice und Bob： 对，Hollar 的抵押资产必须是白名单资产，由借贷市场的治理决定，比如是否允许 DOT 或 Mythos。只要被列入白名单，就可以用来抵押生成 Hollar。
Hollar 的启动方式我觉得很聪明。因为要让一个稳定币真正运转，必须先有初始流动性。稳定币需要具备：
可流动：能够在市场中自由转移； 可兑换：能与其他稳定币或资产互换。 
这就需要建立流动性池，把 Hollar 与其他资产配对，确保它具备可兑换性和足够的市场深度。
目前，Hollar 的运作方式是：在货币市场里开放了四种流动性供给选项，分别是 USDS（Sky Dollar）、USDT、USDC 和 USDe（ETH Dollar）。

因此，Hollar 的设计逻辑是：你可以提供 Hollar 与另一种资产的配对流动性。比如，你存入 DOT，然后选择这四种稳定币之一，就能形成一个配对池。
我刚刚亲自试了一下：存入了一点 DOT，系统帮我开了一个 Hollar-USDS 的仓位。现在，我在货币市场里持有 Hollar-USDS 流动性，并且正在挖矿，年化收益大约 20%。
稳定币最大的风险是声誉受损，应该采取“谨慎、保守”的策略
Jakob：大家好，这里是 Hydration 客户支持的 Jakub，请问有什么问题？
Alice und Bob：我尝试用 HUSDS 来抵押借 Hollar，但借不出来。
Jakub：可能是因为大家借贷太踊跃了，额度上限已经被用完了。
Alice und Bob：啊，我明白了。等于银行里没有 Hollar 可以借了。
Jakub：对，我们相当于“印钞机没墨水和纸了”，得等补充后才能继续印。
Alice und Bob：所以是不是意味着 Hollar 总量只有 200 万？
Jakub：不，不是永远限制在 200 万。这只是初期的设置。
我们想避免那种“凭空突然铸造几十亿”的情况。因为大家对这种事的 PTSD（创伤后应激障碍）太严重了，每次提到 Hollar，大概有三成的问题都是：“你们怎么保证不会重演 aUSD 的悲剧？”所以，我们每次推出新东西都会非常谨慎保守。
因此给 Hollar 设置了大约 200 万的初始上限，大概持续两周，用来观察 HSM（稳定模块）运行是否正常。
如果一切顺利，后续由团队或治理决定是否提高上限。
Alice und Bob：我猜这也相当于是给潜在黑客设置了一个“小赏金”，而不是让他们盯上一个超级大奖。初期把风险池子做小比较安全。
Jakub：对。即便出现极端情况（当然我们希望不会发生），损失范围也相对可控，不至于毁灭性。最大的风险其实是声誉受损，而不是纯粹的资金损失。所以我们采取的就是“谨慎、保守”的策略。
为什么要用 Hollar？它比 USDT、USDC 多了哪些优势
Alice und Bob： 我有一个很基础的问题。既然已经有 USDT 和 USDC 了，为什么还需要 Hollar？为什么我应该选择 Hollar？
Jakub： 首先，Hollar 不会受到审查，这是它的核心优势之一。
其次，它的借贷利率是固定的。举个例子，过去一个月里，USDT 和 USDC 的借款人支付的年化利率在 5%–25% 之间，非常高。而 Hollar 提供了一个可控、稳定的利率环境。
再者，我们时常发现中心化交易所里的 Polkadot 原生 USDT 和 USDC 会出现余额不足的情况。有了 Hollar 这样的原生稳定币，就能减少对第三方的依赖。
另外，我过去几年最大的担心之一是：Circle 或 Tether 的增发密钥被攻破。这些密钥控制着 USDT 和 USDC 的铸造，如果被黑客入侵，就可能凭空增发大量代币，造成极其严重的后果。当然，我们最近在协议里加入了一些功能来防范这种情况，但这是另一个话题。
Alice und Bob： 听起来，作为用户，最相关的就是：因为 Hollar 由 Hydration 协议控制，它能提供固定利率，而且利率水平比借 USDT 或 USDC 更有竞争力（后者现在大概在 6% 左右）。换句话说，我在 Hollar 上能获得更好的利率选择，而且利率由协议掌控。
Jakub： 没错。而且更重要的是，在 Hydration 生态里，Hollar 是一等公民。这意味着 Hollar 的用户和持有者会享受到比 USDT 或 USDC 用户更多的优惠和优先待遇。
Alice und Bob： 我还注意到，你们在 Hollar 启动时，是用四种稳定币池的流动性作为支撑。是不是说，Hollar 的背书就是这些流动性？
Jakub： 对，支撑是组合形式的：包括 HSM 模块里的流动性、池子里的流动性，以及借贷市场里抵押的资产。
jeeper： 我也想补充一点。我在一个帖子里看到，DOT、ETH、vDOT、pBTC、USDC 和 wBTC 这些资产也可以作为抵押。这是不是意味着 Hollar 也由这些资产支撑？
Jakub： 可以这么理解，但要注意：只有当这些资产实际被用来抵押时，它们才算作 Hollar 的支撑。并不是系统自动由这些资产背书，而是有人拿它们来借贷时，它们才真正成为支撑资产。
Hollar 会上中心化交易所吗？
jeeper：我们刚刚聊到 aUSD，它在两年前就失败了。我记得当时 Kucoin 也有牵涉，因为 aUSD 上过 Kucoin，所以情况有点复杂。
那我想问，你们未来有没有计划把 Hollar 上线到大型中心化交易所？
Jakub：当然，我们有这样的设想。但计划容易，执行却很难。稳定币是一类非常脆弱、敏感的资产。
过去很多加密灾难，稳定币都是核心导火索，这让市场对它们极度敏感，甚至可以说留下了“PTSD”。普通加密资产（比如比特币）可能一天涨跌 20%，但大概率还会回到均值；而稳定币要么维持 1 美元锚定，要么彻底归零，中间没有缓冲地带。
因此，对于任何新的稳定币来说，最关键的就是先证明锚定稳健、流动性充足且没有致命漏洞。而这需要时间来验证。
我们现在的策略是：安全、渐进式扩展，以最稳妥的方式推进。
第一个阶段，目标是让 Hollar 在 Polkadot 生态内部，至少在 Hydration 内部，把流动性规模追上 USDT 和 USDC，这是第一个里程碑。 接下来，我们会为 Hollar 的用户、储户或质押者（无论未来怎么称呼）找到并制定最优的机制。 当 Hollar 稳定运行一段时间，积累了 Lindy 效应（长期存在证明其可靠），我们才会考虑与第三方进行集成。 但首要任务，还是要先提升 Hollar 在 Hydration 内部、乃至整个 Polkadot 生态的实用性。 
拿 Kucoin 举例就很典型。我可以想象，他们会对任何新稳定币都极度谨慎。因为在 aUSD 事件中，他们曾处在风暴中心。再加上，几乎所有大型交易所当年都曾在 Luna/UST 上有过损失。所以，要让交易所、市场和用户重新建立信心，必须靠时间积累。
再补充一点，稳定币不光在加密圈，在传统金融领域也都是最热门的话题之一。市面上已经存在非常多的稳定币，未来可能会出现一轮整合，来筛选哪些模式有效，哪些失败，哪些具有独特优势。
jeeper：在 Hydration 上，我可以提供任何能作为抵押的资产，目前包括：DOT、ETH、vDOT、pBTC、USDC、wBTC。只要 Hollar 的额度还没用完，就能用这些资产来铸造 Hollar，对吗？
另外，你们现在还提供了一些带激励的策略。我可以把 DOT 兑换成某个稳定币池的配对流动性，从而为 Hollar 创造一个基础流动性。这样，Hollar 在交易所里就能和任何资产配对。目前，你们正在搭建 Hollar-USDC、Hollar-USDT、Hollar-USDe、Hollar-USDS 这些流动性池。
那么，从长期目标来看，是不是会逐步替换掉像 Free Pool 这样的流动性池？
Jakub：不完全是 Free Pool，更可能是 Omnipool 里的 USDT/USDC 双池（2-Pool）。因为如果我没记错，那里面大概有 1800 万美元规模的流动性。而如果换成 Hollar，我们只需要 900 万的 Hollar 就能实现相同的稳定币流动性效果。
至于 Free Pool，它更像是一个入口通道，主要用于通过 Snowbridge 把以太坊主网上的稳定币引入到 Polkadot。
原音频链接：https://x.com/alice_und_bob/status/1970865957489811750
#HOLLAR #Polkadot

在链上治理走向“智能协作”的当下，Polkadot 迎来一个标志性实验——首个参与 OpenGov 投票的 AI Agent：Cybergov。
本期 PolkaWorld 专访，我们邀请到其背后的 Parity 开发者 Karim，从零到一拆解 Cybergov 的来龙去脉与实操细节：
它如何清洗与聚合 SubSquare 数据、以三种“人格”模型（财务/可持续/增长）独立评估并形成共识；如何用 manifest 哈希 + GitHub 公开日志 + 链上备注确保“可验证、不可篡改”；以及当判断失误时，社区如何通过“重投/申诉”机制纠偏。
我们还探讨了下一步路线图：历史 embeddings 引入、规则调优、可视化网站与更友好的自助运行文档；以及“AI 容易取悦用户”的附和偏差如何被克制，为什么 Proof of Person 与透明披露是人机共治的关键。
更现实的是效率 —— 一份提案约两分钟跑完。AI 会不会取代人类？也许不会，但它已足以完成“第一层筛选”，把宝贵的讨论时间留给真正需要的人。
文章有点长，如果时间有限，可以选择你感兴趣的部分阅读！
Cybergov 的由来Cybergov 如何在 OpenGov 中投票？AI 真的能聪明到可以处理复杂的投票过程吗？三种人格模型如何投票？Cybergov 处理分歧的机制是什么？当 AI 过于‘听话’：Cybergov 如何避免附和偏差？Cybergov 如何确保链上决策可验证且可申诉两分钟搞定一份提案：CyberGov 的未来功能与改进方向如果 AI 全权决定提案结果，我们还需要人类吗？

Kristen：欢迎来到 PolkaWorld 专访节目。
在本期节目中，我们请到了一位非常特别的嘉宾。他在 OpenGov 中引入了第一个 AI Agent 进行投票。 这其实是一个重要的里程碑，让 OpenGov 变得更智能、更高效，也更容易参与。
不过，目前社区里大多数人可能还没有真正见过它的实际运作。毕竟，现在只有一小部分人会积极参与 OpenGov 的投票。
所以今天，我们特别邀请到了名叫 Cybergov 的 AI Agent 背后的开发者，来为大家详细讲解。欢迎 Karim，很高兴你能来到这里。
Karim：谢谢邀请，我非常高兴能在这里。
Cybergov 的由来
Kristen：当初是出于什么原因，让你想到要用 AI 来进行投票？
Karim：其实 Cybergov 的想法可以追溯到很久以前。我一直在研究深度学习和机器学习，已经很多年了。最早是我在奥迪工作的时候，当时我们在研究自动驾驶，用深度学习做车载图像识别。也就是从那时起，我对机器学习和算法产生了浓厚的兴趣。
后来，语言模型出现之后，我就一直在使用。从最早的 GPT-2 开始，大家都在尝试各种玩法。等到 GPT 真正流行开来时，那几乎成了所有人关注的焦点。
随着时间的推移，我越来越欣赏那些可以在本地运行的语言模型。也就是说，不依赖云端，而是你在家就能跑。我甚至自己搭建了一些机器，来本地跑模型，帮我完成一些任务。比如，我会让几个语言模型循环运行，替我解决一些日常工作上的问题，这样我就不用花时间去做那些重复性的事情。
与此同时，我也开始注意到，很多人在 OpenGov 的提案和评论里用上了大语言模型。有些内容一看就很明显，是语言模型写出来的。
其实很多人不仅仅是用语言模型来“辅助写作”，有时候甚至会直接当作“替代思考”的工具。所以我就想，为什么不试试用“机器人对抗机器人”呢？于是我开始尝试 Cybergov 这个想法。
Cybergov 的第一个版本叫 Naybot，大家可以在 naybot.xyz 上看到。它其实是一个非常简单的基于规则的投票机制。举个例子，如果一个提案没有设置身份，或者是一个新人提交了一个金额很大的提案，而大家对这个人完全不了解，那么 Naybot 就会根据这些规则来投票。
这就是一个典型的基于规则的机制。后来我逐渐把语言模型也加了进来，它的投票结果往往和评论区里人们的意见非常接近。于是我就想，这个思路完全可以进一步扩展。
恰好当时 Web3 基金会启动了新的 DV 计划，引入了 DV-light。我就想，不如趁机做个实验。后来我这个想法被接受了，也挺开心的。大致来说，这就是 Cybergov 从最初到现在的发展历程。一路走来挺有意思的。
Cybergov 如何在 OpenGov 中投票？
Kristen ：我觉得 AI 发展的一个关键的转折点是 ChatGPT 的出现。因为和 ChatGPT 的互动，彻底改变了人们与 AI 对话的方式，也让 AI 真正走红。
那接下来，你能不能给我们快速演示一下，Cybergov 实际上是怎么投票的？让大家感受一下它用起来有多容易。
Karim：在演示之前，我也想回应一下你刚才提到的观点。我完全同意，当 ChatGPT 出现的时候，它提供了一个非常优秀的界面，让人们能更自然地和 AI 互动。它把背后复杂的算法封装成一个人人都能用的产品，真正解决了可用性的问题。之后的故事大家也都知道了，几乎所有人都喜欢上了它。
回到 Cybergov，我今天准备了一些图表，带大家走一遍它是如何投票的。

一开始，我们会先从 Subsquare 获取数据。拿到数据之后，我们会把它存储起来，方便语言模型使用。从 Subsquare 抓下来的数据，我们称之为“原始数据（raw data）”。这些数据需要进行清理和加工，才能交给语言模型。比如，我们需要去掉一些 Prompt Injection（提示词攻击），避免模型被恶意输入误导。
有些提案里会嵌入图片，转换成很长的字符串，而这些内容对 LLM 来说是完全没用的，所以我们会把它们删掉。另外，我们还会在数据中补充一些额外的信息，比如：
提案人是不是社区里已知的人？提案有没有设置身份？DOT 和 Kusama 当前的美元价格是多少？资金请求的规模有多大？
这些额外的数据，都会帮助语言模型更合理地做出判断。
接下来，我们会把整理好的数据生成一个文件，然后交给三个语言模型来处理。也就是 Balthazar、Melchior 和 Kaspar。

它们会把这些数据作为输入，然后分别做出投票决定：赞成（Aye）、反对（Nay）或者弃权（Abstain）。
每一个语言模型、每一个算法都是独立决策的，它们之间不会相互交流。比如说：
Balthazar 运行的是 Gemini 语言模型；Melchior 运行的是 Claude（Anthropic 出品）；Kaspar 运行的是 DeepSeek 或者 xAI 的 Grok 模型。
虽然它们用的模型不一样，但输入的数据是相同的。每个模型独立得出结论，然后系统会把这些结果收集起来，完成最终投票。
从高层次看，整个流程分成两部分：数据收集和投票执行。
数据收集和投票处理，是在我的私人服务器上完成的，主要是为了节省成本，也为了保证投票所需的私钥不会被上传到 GitHub 遭到泄露。
不过，真正的投票执行，是在公共的 GitHub 机器 上运行的。这样做的好处是，所有人都可以公开查看和验证整个过程。大家能看到 LLM 在运行时接收了哪些数据，也能确认我没有在提示词里暗藏什么“猫腻”，更不会在投票过程中做手脚。
从数据收集开始，后面的整个流程都是完全自动化的。
我现在切换到另一个屏幕，给大家展示一下具体的例子。

这是 GitHub 上的公开运行记录，比如提案 1714 的投票。你可以直接点进去，查看投票的详情、运行日志和投票的完整记录。

你能清楚地看到语言模型接收了哪些信息，最后做出了什么样的决定，以及这个决定的版本说明。
这意味着我们可以证明，投票结果确实是由 LLM（大语言模型）做出的，之后真正执行投票时，就会以这个“证明”作为输入。
换句话说，这个机制在我的私有基础设施和公共基础设施之间建立了一条可信的连接。
现在 V0 版本的策略是一个偏向弃权（abstain heavy）的策略。也就是说，只有当三个机器人完全一致时才会投票：
如果三个都是赞成（Aye），就投赞成；如果三个都是反对（Nay），就投反对；其他情况一律弃权（Abstain）。
但是，有社区成员提出，这种策略并不够稳健，很容易被“游戏化”。比如有人写一个特别长的提案，或者塞进很多外部链接，这样机器人就会集体选择弃权。

所以在 V1 版本里，我建议对算法做一个小调整：
如果有两个 Nay，一个 Abstain，就投 Nay；如果有两个 Aye，一个 Abstain，就投 Aye。
这只是一个很小的参数调整，但能让投票逻辑更加合理。
总结一下，这个系统是私有与公共基础设施的结合，用来实现可验证的投票。当然，它并不是完全“无需信任”的，因为我们依赖 GitHub 来运行这些公共机器。
在这个过程中，还有 OpenRouter 这样的 API 来调用不同的语言模型，以及其他一系列的组件，保证整个流程顺利运行。
不过想想看，大家平时也依赖 GitHub 来发布库、运行二进制文件和各种工具。所以在这个场景下，用 GitHub 作为可信执行环境，可能已经足够了。这就是 Cybergov 投票机制的整体概览。
AI 真的能聪明到可以处理复杂的投票过程吗？
Kristen：我觉得你的演示非常清晰，让我们了解了整个投票的流程和机制。不过，投票本身从来都不是一件容易的事。我们在做 DV 期间，我们其实遇到过类似的情况。要理解一个提案，首先得读懂提案的内容；其次，还要了解一些关于 Polkadot 的背景信息；有时甚至要懂一些 Web3 或更广泛的知识。
投票真的很复杂。所以刚才你展示的流程很好，但问题是——AI 真的能聪明到足以处理这么复杂的投票过程吗？
Karim：这是一个非常好的问题。我也完全理解那些怀疑的声音：有人会说，这个系统并不真正智能。
我同意，它确实不是一个“能自主思考、能像人一样行动”的智能系统。它所做的，其实是尽力去阅读提案文本，然后在高层面上做一个有信息支撑的判断，比如：花费是多少、潜在回报率（ROI）如何——但它不会考虑历史背景或上下文。这就是当前 V0 版本的局限。
不过与此同时，我在收集 OpenGov 的历史数据，以及一些上下文数据，用来创建向量化表示（embeddings）。这样一来，算法就能回顾过去，进行比较：这个提案是不是和以前的某个提案类似？我还能不能提供更多的信息给语言模型，帮助它做出更好的决定？比如：
这是一个“回头提案”吗？它是否属于公共利益类的提案？是否有值得长期资助的价值？而不仅仅是局限于当前单个提案的内容。
所以，Cybergov V0 版本还是比较“提案导向”的，但下一代版本将会融入完整的历史数据、提案的向量化表示，以及更丰富的上下文工程。这样就能让决策变得不再“那么傻”，而更贴近实际。
我会说，这个系统并不是真正的“智能”。但它至少可以对 80% 的提案进行“第一层筛选”，把那些一眼就能看出结果的提案处理掉。剩下的 20%，才是需要人类花时间去讨论和辩论的部分。
所以它不是要替代人类的决策，而更像是一个辅助工具。比如帮忙做摘要、笔记，或者提供一些参考信息，从而让决策更高效。
计算 embeddings（向量化表示）的有趣之处在于，你可以做一些新的事情。比如：
这个提案和其他提案的相似度是多少？提案 A 和提案 B 的区别在哪里？我们的基础设施里是不是存在某种空缺？
这些工具都可以提供给人类去查看和分析。
我觉得 Cybergov 实验里最有意思的地方，其实是顺带衍生出来的一些产品和工具。它们虽然不是 Cybergov 的核心目标，但可能会对社区非常有用。
举个例子，现在 Polkadot 里想要查询某些提案的信息，其实很不方便，特别是你想找到最新、最准确的数据时。比如：某个人回来发过多少次提案？他们之前都申请过多少钱？不同的提案之间有多大差异？这些分析，在我正在构建的工具里都能做到。
我再给大家演示一下。我准备了一个小型数据库，基本上任何人都可以本地运行，用来查询提案数据。

它本质上就是一个本地文件，里面包含了所有提案的原始信息，人们可以在 Excel 或其他工具里直接调用和分析。这类工具，其实就是一种公共利益，可以帮助大家把治理流程变得更简单、更易用。所以，这就是 embeddings 的作用，也是让语言模型不再“那么笨”的一种方法。
Kristen：那么，在保持 CyberGov 正常运作、不至于“很笨”这一点上，最大的难题是什么？
Karim：老实说，最大的挑战就是数据质量。人类生成的数据非常杂乱，也不标准化。提案的格式千奇百怪，有人会插入图片，有人会加很多链接。
而链接的问题尤其棘手——比如有人在提案里放了一个 Google 文档的链接，这个文档是可以随时修改的。链接本身没变，但里面的内容却可能已经不同了。这意味着没有信任可言，也缺乏可验证性。
这对 CyberGov 来说也是一个很大的挑战，因为我们现在没有办法保证提案的内容在提交之后不会被改动。
举个例子，我今天下载并保存了一个 Google 文档，那我以后要怎么证明这就是当时的正确版本呢？提案人完全可以声称“不是，这才是正确的版本”，但实际上他可能已经偷偷改过了。这种无法验证的情况就是我们面临的主要问题之一。
我可以偷偷改，你就没法证明。所以这就是存储数据时最大的挑战之一。
另一个挑战是如何让系统运行得足够可靠、足够去信任化。因为运行语言模型需要很强的 GPU，要搭建复杂的基础设施，而且成本也很高。这也是为什么我现在选择折中的方式——用 openrouter 或者其他 API 来调用模型，把 runner 放在 GitHub 上运行。
其实在我第一次为 CyberGov 投票的时候，就有人在评论里质疑，说这个系统“不够可靠”。幸好我把它放在 GitHub 上运行，这样我就能直接把运行记录的链接贴给他们，他们可以清楚看到输入、处理过程和输出是完全匹配的。否则的话，他们可能会说：“你是不是在用什么影子服务器作弊？”
这种来自无知的指责其实挺多的。如果把所有的基础设施都公开，人们或许会少抱怨一些。但最终目标肯定还是要把整个系统完全做到去信任化，只是我们得一步步来。下一步，我计划把数据收集的部分放到 GitHub，或者把语言模型运行在一个能以去信任化方式使用 GPU 的系统里。
Kristen：对于你刚才提到的第一个挑战，我还有一个疑问。因为 CyberGov 目前只会读取 SubSquare 上的提案正文内容，如果提案里附带了一些外部文档链接，这些内容就不会被纳入分析。这是不是意味着会有遗漏重要信息的风险？
Karim：百分之百是的，我一直很坦诚地承认，这确实是个风险。但你知道吗？我觉得更大的风险，其实是我们现在的治理过程和信息传播方式。比如，当有人问：“提案编号 1200 的内容是什么？你能不能证明当时大家投票看到的文件就是现在这个版本？”——其实我们很难证明。
我们能证明的只有一件事：SubSquare 会为提案生成一个内容 ID，并且保存不同版本的记录。这大概是目前最接近“可验证”的方式，确保人们投票时看到的提案内容是固定不变的。
至于外链文档，虽然很方便，比如可以插表格、插图片，但这些内容本质上是无法信任的。我不是说使用外链的人不对，这也是现实中一种解决办法。但从更长期来看，我们需要解决一个更大的问题：那就是如何以真正 Web3 的方式提交提案，让它们不必依赖“信任”，而是通过技术手段来保证不可篡改和可验证。
所以，其实我们可以开发一些工具来解决这个问题，让提案提交和存储更可靠，我觉得看到这些工具真正工作会很令人兴奋。论坛上也有一些讨论，讲如何防止提案提交后被篡改，至少应该在这方面做一些工作。我认为这才是让系统更“真实可信”、减少对提案本身信任依赖的方法。
所以，是的，文档里关键信息确实有被遗漏的风险，百分之百存在。不幸的是，目前这是“刻意设计”的结果。因为当我看历史数据时，大家提交带外链的提案有大约 20 种不同做法——有人用 Google Docs，有人用 Canva，有人用 HackMD，还有各种随机工具。
如果我要把这些都收集起来、存储下来，我就需要开发 API，但即便如此，也不能说是完全 Web3 的方式，只能算是尽力而为。
所以我没有去做它，而且作为一个单人侧项目，再加上我在 Parity 的本职工作，我觉得还是务实一点比较好。
我同意你的看法，确实存在遗漏关键信息的巨大风险，但希望通过开发真正的 Web3 提案提交方式，我们能找到更好的解决方案。
三种人格模型如何投票？Cybergov 处理分歧的机制是什么？
Kristen：即便现在系统并不完美，最重要的是我们开始动手实践。PolkaWorld 做 DV 的时候，有三名投票者。就我个人经历来看，有时候投票是很偏向的，也就是存在一定的主观性。
不同的人可能会有不同的观点，这并没有对错之分，只是他们从不同角度来看问题。虽然最后投票结果是一个，三名投票者实际上存在分歧。那么，CyberGov 是如何处理这些分歧的观点，并最终决定投票结果的呢？
Karim：好的，先说一下如何决定最终投票结果。我再快速分享一下屏幕。

如之前稍微提到的，这就是当前的流程和机制。比如，如果语言模型投“弃权”，那最终就可能是弃权；投“同意”，最终可能是同意……这些都是机械性的规则。
但每个语言模型是如何做出投票决定的呢？我们使用了一套系统提示（system prompts），也就是设定算法的行为，调整它们可以如何判断以及如何做出决定。
目前在公开的代码库里，有三个不同的“人格”设置：
Balthazar：系统提示偏向战略分析师，会从财务角度评估提案，类似决策者。Kaspar ：偏向可持续性和风险分析师，也会有不同的行为模式，把国库当作投资工具来看待。Melchior：偏向增长型分析，会用更深度的视角审视事物。
通过改变这些语言模型的行为，我们可以让每个模型拥有不同的人格，从而有意产生不同的观点。
这样一来，当我们取投票的平均值或多数票时，就能得到共识。如果增长型算法、财务型算法和可持续型算法都同意，那么提案很可能有一定价值，我们可以考虑支持它；如果它们意见不一致，那么按照之前的规则，可能就选择弃权。
我也在接受社区提交的改进意见和 PR（Pull Request），用来优化系统提示、改变算法行为。实际上，已有社区成员联系我，说这样可能会更好，我会考虑将这些改动加入系统提示，调整算法行为。
另外，我还为社区新增了一个小表单，因为不是每个人都喜欢用 GitHub。
用户可以在表单里反馈，告诉我们某个算法的结论是否有帮助，以及为什么有或没有帮助。这样我就可以用这些数据来优化算法行为，让它更有助于 OpenGov。
当 AI 过于‘听话’：Cybergov 如何避免附和偏差？
Kristen：这是一个很好的方法，但语言模型本身，越来越倾向于取悦用户。我已经注意到，ChatGPT 当我问问题时，如果回答不够满意，它几乎会立即改变答案。所以语言模型可能会有点“过于附和”，这可能会在治理决策中产生偏差或盲点吗？
Karim：完全有可能。有时候，当我与算法交互时，我并不希望它们总是同意我的观点。我希望它们能指出为什么某些做法不可行，给出相反的意见。
所以，我觉得目前 ChatGPT 的系统提示，以及你在 API 之外使用的聊天界面，它们的系统提示设计得很弱，主要目的是让用户开心，让用户继续使用聊天工具。它们的目标就是让用户持续使用。
而在我们的情况下，我们使用 API，这样就能更细粒度地控制算法的行为。所以我们可以让算法“不同意这个观点，从批判的角度来看”。社区成员提供的系统提示也在起这个作用。
你如何设计上下文、如何设计系统提示，会直接影响算法是否总是附和用户。总是同意用户的机器其实很危险，因为有时候我们自己也会犯错。如果机器同意我们的错误，只会强化我们的偏见和思维盲区。
所以，对于那些直接用 ChatGPT 来评估提案的人来说，如果没有合适设计，很容易出现偏差。我们需要找到让算法在同意与反对之间保持平衡的方法。
所以，与其让每个人在自己的电脑上单独运行模型、然后去提案里评论，我们选择在开放环境下运行。你可以看到 GitHub 的日志、API、系统提示，都可以复现这个过程。
我觉得系统的美妙之处就在于，治理不是在隐藏环境下用 LLM 完成的。以前人们可能会去 SubSquare，把提案复制粘贴到 ChatGPT，让它告诉你为什么这个提案不好，然后再把评论复制回 SubSquare。
而现在，我们希望把这变成一种协作式的努力——社区成员可以说：“嘿，我们应该改进系统，从这里增加上下文，改变嵌入方式。”这样我们就能开发出一个工具，给提案做初步筛选，同时让普通用户也能轻松使用。
我也在 Paseo 上运行这个系统。如果有人想在正式提交提案之前预览，可以在 Paseo 上运行，看看算法的反馈。用户可以玩转算法，修改一些参数，提出“反对”请求，感受平均投票或算法群体对这个提案的看法。这样，当其他人复制粘贴提案得到不同答案时，我们就可以进行比较。
Cybergov 如何确保链上决策可验证且可申诉
Kristen：是的，我同意，LLM（大型语言模型）确实容易过于附和用户，这可能带来危险。我们先意识到这个问题，然后才能想办法应对它。另外，关于输入和输出，如何确保 CyberGov 的信息可靠且不可篡改，这是一个很关键的问题。
Karim：这是个很棒的问题，我在这方面也做了很多思考，还带了一张示意图。我再分享一下屏幕，好了，这是正确的按钮。

当我们获取 SubSquare 的原始数据时，会先进行一些处理，然后创建一个内容清单（content manifest）。这个清单会提供给语言模型。语言模型会根据这个内容，以及我在 GitHub 上展示的三种人格和系统提示，做出投票决定，比如同意、反对或弃权。
然后我们会生成一个 manifest 文件（JSON 格式）。这个文件记录了：所有输入的哈希、所有输出的哈希，以及用于运行代码的哈希。
当我们在链上提交投票时，会把这个 manifest 文件提供出来。这样，任何人都可以验证：输入和输出的哈希是否正确，确保投票过程没有被篡改。
比如为了保证系统透明性，我们会附上 manifest 文件。打开它，你会看到 JSON 格式的内容，显示输入的哈希（如 content manifest 和原始 SubSquare 数据）以及输出的哈希。大家可以独立对比验证，这确实是投票时使用的正确数据。
这只是一次本地测试，当时没有 GitHub 仓库。但如果我们查看官方的 Polkadot 相关 Actions，你也可以看到 manifest 文件会被记录在 GitHub 输出日志中。
这样一来，人们就可以相信，我在存储文件时没有做任何修改。投票通过一系列哈希操作，在 Web3 平台上实现高度可信。比如这些文件会存储在 IPFS 上，确保它们不会因为未固定而在一个月后消失。
这就是整个系统的高层概览。我在论坛帖子里也详细解释了哈希是如何工作的，以及代码里这些哈希是如何起作用的。这是一种向大家证明数据正确性的方法。
最终，当我们提交投票时，我会为 CyberGov 找到一个 extrinsic（链上事务），提交带有 manifest 文件哈希的系统备注。这样就建立了链下数据与链上投票的连接。没有这个哈希，就不会产生投票。
Kristen：一个非常重要的部分是，人们难免会犯错。即便是作为群体投票或作为关键投票者，有时候也可能投错票并撤销。那么，如果 CyberGov 做出了错误的投票，社区是否有办法触发“重投”或“申诉”？
Karim：完全可以。这一点在设计时就考虑到了。毕竟让算法去做原本由人类做的决策，会引发很多思考。所以我必须提供一种机制，让人们可以提出异议，说“我不同意”或者“我不理解这个决策”。
当我们提交投票时，会提供一个方式，让大家请求“重投”。基本上，重投就是再次运行算法，确保人们可以提出申诉。请求重投时，你可以进入 CyberGov 的 GitHub 仓库，在 Issues 中创建一个新问题。我创建了一个模板，方便大家请求重投。
你需要填写信息：提案编号、网络、链接，以及简短说明为什么需要重投。可能是因为发生了错误，或者数据不对，或者你发现其他问题。
一旦提交，我会处理它，并重新执行一次公开重投。公开重投就是再次运行算法，并重新提交评论和投票。我会把旧的数据归档，就这么简单。整个过程非常直接、简单。
两分钟搞定一份提案：CyberGov 的未来功能与改进方向
Kristen：很高兴知道这个流程。 展望未来，下一步要做什么，以及未来版本中可能增加的新功能或验证方法？
Karim：想法非常多，我越做越多灵感。
最先也是最被请求的一项，是加入历史数据。也就是把过去提案的数据做成 embeddings（向量化表示）。这样，如果有人提出一个类似存储解决方案的提案，算法就能判断：“嘿，之前已经有三个类似的方案被资助了，也许第四个就没那么必要了。”
把历史 embeddings 纳入算法，并开源，这只是其中一部分。社区还提出了其他功能请求：建一个小网站查看文件，因为直接看 JSON 文件对大多数人来说太难了。一个漂亮的网站展示投票结果和投票理由，会更直观。改进决策引擎。目前系统偏向弃权（abstain-heavy），可以调整规则，比如增加一票“反对”和一票“同意”。提供更多文档，说明系统如何投票以及用户如何自己运行。有人建议让系统参与 AAG ，把更多信息加入投票内容，甚至生成音频播放投票理由，这可以是一个有趣的小功能。另外，当发生重投时，我希望能建立前一次投票与新投票之间的逻辑关联，目前它们是分开的。我希望语言模型能知道，“嘿，这是一次重投，有人请求了重投，这是新的上下文”，类似这样。
这些虽然是一些小的体验优化，但也是重要改进。我的目标是 V0 版本：如果我能从 Web3 Foundation 之外获得一次委托，我就认为这是成功的，可能值得继续下去。否则，可能在一月份我会停止实验，但仍会保留数据收集部分，供希望自己操作 CyberGov 的人使用，这样他们就不需要从零开始重新构建。
长期目标是完全无信任地运行系统。目前系统依赖很多不同服务，比如 GitHub 等。我需要找到 Web3 的等价方案或者无信任等价方案，才能完全实现无信任运行。比如 Web3 存储、Web3 CDN、Web3 工作流引擎等，我们需要探索、集成这些组件，才能真正实现链上运行。这是我的梦想，但目前还差得远，尤其是在 GPU 部分。
Kristen：我觉得这是一个很棒的想法，因为 Polkadot 的 OpenGov 在 DAO 管理上已经很先进，现在加入 AI 投票，我觉得这是 Web3 领域的第一次，非常有意义，而且 AI 的参与速度也很快。
Karim：是的，我同意。这非常令人兴奋，能够参与其中，并把 Polkadot 带入 AI 世界的平行宇宙中，寻找人与技术之间的桥梁，展示有意义的实验。现在我们用的是三种语言模型，但如果运行 100 个语言模型会怎样呢？
我们希望质量会提高，但它可能不会立刻提高，因为最终它就像老虎机，你不知道结果是好是坏。但如果重复多次，决策质量可能会提高，提案本身的质量也可能改善。谁知道呢，我们会跟踪这些变化。
你们已经选了三个主要的语言模型，这三个模型都是顶尖的。我看看代码，避免说错。目前，我为 Baltaza 用的是 Claude，为 Melcure 用的是 OpenAI GPT（Jimi 9 2.5 Pro），为 Kaspa 用的是 XAI Grok Code Fast。我可能会把它们全部换成 GPT-5 或 Claude 4，看看决策质量是否会提升。
我也欢迎社区提出 PR 建议，看如何优化它们，让决策更好。
Kristen：我觉得棒，你为 AI 使用了不同的语言模型，就像是雇佣了顶尖的人才为你工作一样。
Karim：没错，这就是我在本地模型上做的事情，它们在本地循环运行。如果结果不理想，我就再运行一次。其实不需要太多的思考或操作，本质上就是一个循环。
有时候它出现“幻觉”或 API 出错，我只需在 prompt 里加一句“请修正”，它就会修正。这就是一个通过暴力尝试找到解决方案的工具。一旦找到方案，你就可以正式优化它，使之正确。这只是一个探索性的工具，用于发现机会。
Kristen：为了让我们的观众更直观地理解，比如我自己有时候审核一个提案，需要花三小时才能完全理解。那么你能给我们一个概念，CyberGov 处理提案的速度有多快吗？
Karim：非常快，大约两分钟就能完成一份提案的处理。现在我可以处理大量提案。过去一周，我根据社区反馈调整了一些细节，然后再次运行它。
我在投票之间加入了一些人工延迟，让大家有时间补充内容、确保他们的决策被正确记录等等。这个工具对于提交提案的人来说，非常有价值，尤其是如果我们把它整合到像 Web3 这样的提案提交系统里，用户可以立即得到反馈：比如预算缺失、ROI 信息缺失等，这些都是人们在提交提案时最常问的前三个问题。
如果在一开始就补充了这些信息，后续人工审核提案就会轻松很多。或者，如果三个人使用 CyberGov，可能会得到不同的投票结果。这是因为语言模型本身并非完全确定性，即便输入内容相同，每次运行可能会略有不同。
有方法可以确保语言模型在相同输入下给出相同结果，比如调整 temperature 或其他参数。我对这方面不是非常专业，但这与语言模型的工作原理有关：它们是概率性的、基于 token 生成的机器，而不是 CyberGov 系统本身的功能问题。
如果我们有一个语言模型可以始终为相同内容输出相同结果，那么投票结果也会一致。但如果模型的 token 输出有微小差异，最终可能导致投票结果不同。
如果 AI 全权决定提案结果，我们还需要人类吗？
Kristen ：我觉得有一个问题不仅会在 OpenGov 出现，在我们使用 AI 的各个场景都会发生。比如说，如果 Cybergov 的应用做得很好，大家都想用它投票，那么最终的决策都是 AI 做的还是人类做的？
Karim：我觉得如果未来变成一个“机器对机器”的世界，而人类根本没有参与机会，这就是为什么像 Proof of Person 这样的项目会非常重要。我们要确保至少和人类讨论，而不是单纯和机器交互。
我们要确保至少和人类生成的内容互动，并且内容明确是由人提供的。机器也应该始终披露它是机器生成的。我们要明确标注：“这是 AI 生成的”或者“这不是 AI 生成的”。现在的情况有点像“西部荒野”，你无法完全判断内容是不是 AI 生成的。比如说，如果有人在文本开头用了 bullet points，中间又有 bullet points，你可以推测他们可能大量用 AI 编辑了内容，但要完全排除 AI 是很难的。
但至少有一件事我们可以做到——明确披露：告诉大家，“我用 AI 做了这部分，但思想是我的”。比如在 CyberGov 里，所有输出和输入都是明确标注的，这样就安全。中间模糊不清的情况才是危险的。
Kristen：我觉得解决方案总是比问题多，所以无论如何，拥抱 AI、成为 AI 生态的一部分，本身就是一件很酷的事情。
我觉得今天我们已经讨论了很多关于 CyberGov 的内容，今天分享了很多知识。我想观众们需要时间去消化。今天的对话就到这里，之后我们会整理一篇文章，用中文总结，并发布在我们的频道里。如果大家感兴趣，可以关注我们、与我们互动。同时，我们也会剪辑亮点片段发布，让大家更方便回顾。
今天分享的内容非常丰富，非常高兴 Karim 能来到节目，感谢你的分享，也感谢所有观众的观看。希望大家关注 CyberGov 的最新动态，也希望未来你能回来继续分享更多信息。
Karim：非常感谢邀请我参加，非常期待大家的问题，也希望能不断改进这个系统，为社区提供更好的服务。
Kristen：是的，如果大家有任何问题，可以在我们的频道留言，或者直接私信给我们，我们会收集并转给 Karim。让我们都参与进来吧，这真的很令人兴奋。非常感谢你，Karim。
Karim：谢谢！
Kristen：谢谢，再见！
原视频：https://www.youtube.com/watch?v=-HShKjXS6VQ&t=5s
#Al #OpenGov #Polkadot

Hydration 宣布 HOLLAR 正式上线！
稳定币很多，为什么还要再多一个？
因为大多数稳定币要么过于依赖市场情绪，要么清算机制过于残酷。HOLLAR 想解决的，就是这两个痛点：它让价格更稳，风险更可控，甚至光是持有还能赚利息。基于 Polkadot 应用专属链 Hydration，HOLLAR 带来的不仅是 1 美元锚定，而是一套全新的稳定币体验。
HOLLAR 是 Hydration 推出的去中心化、超额抵押稳定币，目标锚定约 1 美元的价值。
与仅依赖市场机制的算法稳定币不同，HOLLAR 是以用户在协议中存入的加密资产作为抵押铸造的。这样建立起了直接的资产支持关系：每一个 HOLLAR 代币都对应着系统中真实加密资产的索赔权。
HOLLAR 基于 Aave 的 GHO 协议的成熟架构，继承了经过实战验证的抵押品管理、利息累积和清算机制。与此同时，Hydration 的 HOLLAR 稳定模块（HSM）通过直接的稳定币兑换能力，进一步增强了价格稳定性。

HOLLAR 的独特之处
1. 应用专属链的优势
与受制于智能合约限制的协议不同，HOLLAR 依托 Hydration 作为基于 Polkadot 构建的应用专属 DeFi 区块链，能够完全掌控其运行时和执行环境。这使得 HOLLAR 可以实现深度的协议级集成与自动化行为，这是传统智能合约无法做到的。
2. 增强的收益生成
HOLLAR 持有人除了享有价格稳定性，还能获得来自借款人支付利息的额外收益。这意味着光是持有 HOLLAR 就可能有收益。 
3. 高级稳定机制
HSM 通过对稳定币兑换池的实时监控与逐区块响应，提供更强的经济安全性，帮助维持 1 美元锚定。所以 Hollar 的价格更稳，系统里这个“稳定模块”，它能实时盯着市场波动，如果价格偏离 1 美元，就会自动调整。 
4. 自动化风险管理
协议会在每个区块开始时自动执行部分清算，将不健康的仓位恢复到安全水平，而无需一次性全额清算。这相比传统的“全有或全无”清算系统，带来了更好的安全性和用户体验。
也就是用户不会突然爆仓。如果某个用户抵押不足，系统会在每个区块里“温和”地处理掉一部分仓位，让它回到安全范围，而不是一下子全清掉。这样风险更低，用户体验更好。 
5. 原生集成的 DeFi 生态
HOLLAR 与 Hydration 现有 DeFi 协议无缝互通，避免了跨协议交互常见的摩擦问题。
6. 精细化套利机制
协议能够在无需预先资本的情况下，为套利者自动提供套利机会，从而实现比传统依赖市场的方式更高效的价格发现与稳定机制。也就是说它的套利更聪明，系统能帮用户设计零成本的套利机会，帮助价格更快回到 1 美元。 
一句话总结就是，HOLLAR = 有真实抵押支撑 + 自动风控 + 还能生息的“智能稳定币”，比普通的 1 美元稳定币更安全、更聪明。
HOLLAR 如何运作
1. 铸造流程
当你想要生成新的 HOLLAR 时，需要存入加密资产作为抵押。
协议会评估抵押品的价值，并允许你按一定比例铸造 HOLLAR，这个比例叫贷款价值比（LTV）。
举例：如果你存入价值 1,000 美元的 ETH，而 LTV 比例是 75%，那么你最多可以铸造 750 美元的 HOLLAR。
铸造出来的 HOLLAR 相当于你借到的债务，会随着时间产生利息，目前年化利率是 5%。这笔利息用于补偿协议所承担的风险，因为它接收的是波动性较大的加密资产，却要发放给你稳定的资产。
如果你想赎回抵押品，就必须偿还之前铸造的 HOLLAR，加上相应的利息。
2. 抵押与风险管理
HOLLAR 接受多种加密资产作为抵押，包括 DOT、ETH、vDOT、USDT、USDC、tBTC 和 WBTC。
不同资产都有各自的风险参数，决定了你能铸造多少 HOLLAR，以及在什么情况下仓位会变得不安全。
如果抵押品的价值相对于债务大幅下跌，你的仓位可能会被清算。
与传统 DeFi 协议“一刀切”的清算不同，Hydration 会在每个区块自动执行部分清算，将仓位恢复到安全范围。
这意味着你不太可能一次性失去所有抵押品，清算后仓位依然可以继续存在。
清算机制的作用是防止协议出现抵押不足，从而保证每一个 HOLLAR 都有足够的资产支撑。
3. HOLLAR 稳定模块（HSM）
大多数抵押型稳定币维持 1 美元锚定，是依赖二级市场的套利者。当价格偏离时，套利者才会交易修复差价，但这个过程可能慢、不稳定，还受限于流动性。
HOLLAR 的 稳定模块 提供了“双向不对称”的价格支持：
获得 HOLLAR：用户随时可以从 HSM 以接近 1 美元的价格购买 HOLLAR。这相当于设定了价格上限 —— 因为如果市场价高于 1 美元，用户直接从 HSM 买更划算。 卖出 HOLLAR：HSM 并不会无限量、无脑地接盘，否则容易被人操纵。它会智能监控稳定币池的真实市场情况，决定何时、以多少资金回购 HOLLAR，从而在 HOLLAR 被低估时提供价格支撑。 
为什么要这样设计？
如果买卖两边都采用固定价格，操纵者可能会通过拉动池子价格，迫使 HSM 高价买入，造成亏损。智能化的回购机制避免了这种漏洞，同时仍能在真正需要时维持价格稳定。
此外，HSM 会把收到的稳定币投放到能产生收益的策略里，不仅能稳定价格，还能创造收入，而不是像传统货币锚定那样不断消耗储备。
HOLLAR 的设计让稳定币更安全、更聪明：铸造有抵押、清算更温和、价格由稳定模块守护，还能同时赚钱。
如何使用 HOLLAR？
1. 铸造 HOLLAR
如何生成你的第一个 HOLLAR：
进入 Hydration 借贷市场：访问 https://app.hydration.net/borrow/markets提供抵押品：从支持的资产中选择（DOT、ETH、vDOT、USDT、USDC、tBTC、WBTC），并存入你想用作抵押的数量 铸造 HOLLAR：抵押完成后，你可以根据贷款价值比（LTV）上限来借出/铸造 HOLLAR 利息开始计提：你的仓位将按当前年化 5.12% 的利率开始计息 
2. 管理仓位
你可以在控制面板中随时监控和调整 HOLLAR 仓位：
进入借贷面板：访问 https://app.hydration.net/borrow/dashboard提高安全系数（health factor）：如果仓位变得危险，可以追加抵押品来增强安全性 偿还 HOLLAR：归还借出的 HOLLAR（加上累计利息），即可解锁抵押品并提取 继续铸造 HOLLAR：如果还有借贷空间，可以基于现有抵押品再铸造更多 HOLLAR⚠️ 保持健康系数高于 1.0，否则会触发清算。 
3. 风险提示
抵押品波动性
HOLLAR 背后是加密资产，而这些资产价格波动剧烈。如果抵押品价值下降，用户面临被清算的风险。不同资产风险不同：
稳定币（USDT、USDC）波动小，但贷款价值比低 ETH、DOT 等资产借贷额度更高，但清算风险更大 
锚定稳定性
HOLLAR 通过稳定模块（HSM）和市场机制来维持 1 美元锚定，但在极端市场情况下，价格可能会短暂偏离。设施提供了较强的保护，但不能保证在所有环境下绝对稳定。 
智能合约风险
HOLLAR 架构基于已被验证的 GHO，但 HSM 属于新功能，具有自身风险。用户在参与时应结合自身风险承受能力，合理控制仓位规模。 
HOLLAR 收益池：一键参与的被动收益
除了铸造和使用，Hydration 已经为 HOLLAR 推出稳定币收益池。你可以直接存入 USDT、USDC 等稳定资产，也可以用 DOT 等代币一键加入，系统会自动帮你兑换成池子需要的资产，再投入 HOLLAR 策略池。

这一设计大大降低了用户参与门槛：
自动化操作：后台集成了 Swap 逻辑，免去了手动换币的繁琐步骤。 多层次收益：收益池不仅有基础存入利率（Supply APY），还叠加了奖励收益（Rewards APR），目前综合年化收益率可达 24% - 27%。 灵活流动性：没有强制锁仓，用户可随时加入或退出。 安全托管：系统通过健康系数（Health Factor）和区块级部分清算机制，确保仓位始终处于安全状态，避免“一刀切爆仓”。 
简而言之，HOLLAR 收益池让用户可以省心、省力地享受稳定币收益。无论你手里是 DOT 还是稳定币，都能一键进入这个生态，享受由协议自动化风险管理与套利机制带来的高效收益。
如果你感兴趣，快去试试吧！https://app.hydration.net/strategies
#HOLLAR #hydration_net #Polkadot

La semana pasada, los miembros de la comunidad Alice y Bob fueron invitados a participar en la reunión estratégica a puerta cerrada de la Fundación Web3. El enfoque central de toda la reunión fue discutir nuevas direcciones y prioridades para el ecosistema de Polkadot, especialmente los ajustes y la cooperación entre Parity y la Fundación Web3.
Él compartió de inmediato con la comunidad las ideas centrales de la reunión, hoy PolkaWorld ha recopilado algunos puntos clave para compartir con amigos de la comunidad china.
Polkadot 2.0 ha llegado: límite de suministro de DOT + escalamiento elástico implementado oficialmente.
Primero, revisemos las dos noticias importantes de la semana pasada.
1. Límite de suministro de DOT
En la votación de gobernanza de OpenGov, el modelo “Hard Pressure” ganó. Esto significa: