Cavil Zevran
12.1k Publikācijas
Cavil Zevran
Square verificēts
Decoding the Markets. Delivering the Alpha
Atvērts tirdzniecības darījums
Tirgo bieži
5.3 gadi
92 Seko
30.4K+ Sekotāji
44.8K+ Patika
Publikācijas
Portfelis
Visi
Cenu piedāvājumi
Video
Tiešraides
Skatīt tulkojumu
I used to think the cleanest AI product flow was just one call.
Then I pictured a developer adding one SolidML call to a lending app.
The function asks for a model result, the result comes back, the pool adjusts a borrower’s risk score, and the transaction keeps moving. From the outside, it looks normal. Almost too normal.
That part is the trap.
A simple call can hide a lot.
The model still has to run somewhere. The inference still has to match the right execution. The proof still has to show that the pool did not just use a random black-box answer and treat it like onchain logic.
I think of this as the Function Call Mirage.
The user does not see the model path. They only see the app changing the terms of a position because the answer was accepted. A borrow limit tightens and the app acts like the result already deserves trust.
But the pressure lands on the builder.
Once that model result becomes part of the product’s logic, it cannot be treated like a normal API response. The transaction may look clean in the moment, but the builder is left with the part nobody sees.
They have to open the run.
What exactly ran?
Can they prove the path after the app has already acted on the result?
That is the part OpenGradient makes hard to ignore for me. Not the shiny idea of AI inside apps, but the ugly gap between calling a model and proving what happened.
The easier it becomes to call AI inside apps, the more dangerous it becomes when nobody can prove what the call actually did.
#OPG $OPG @OpenGradient $RESOLV $TNSR
Then I pictured a developer adding one SolidML call to a lending app.
The function asks for a model result, the result comes back, the pool adjusts a borrower’s risk score, and the transaction keeps moving. From the outside, it looks normal. Almost too normal.
That part is the trap.
A simple call can hide a lot.
The model still has to run somewhere. The inference still has to match the right execution. The proof still has to show that the pool did not just use a random black-box answer and treat it like onchain logic.
I think of this as the Function Call Mirage.
The user does not see the model path. They only see the app changing the terms of a position because the answer was accepted. A borrow limit tightens and the app acts like the result already deserves trust.
But the pressure lands on the builder.
Once that model result becomes part of the product’s logic, it cannot be treated like a normal API response. The transaction may look clean in the moment, but the builder is left with the part nobody sees.
They have to open the run.
What exactly ran?
Can they prove the path after the app has already acted on the result?
That is the part OpenGradient makes hard to ignore for me. Not the shiny idea of AI inside apps, but the ugly gap between calling a model and proving what happened.
The easier it becomes to call AI inside apps, the more dangerous it becomes when nobody can prove what the call actually did.
#OPG $OPG @OpenGradient $RESOLV $TNSR
Es kādreiz domāju, ka "pārbaudīts onchain" nozīmē, ka ikviens var atkārtoti palaist to un pārbaudīt.
Tas izklausās tīrs, līdz tas nav tokenu pārsūtījums.
Tas ir AI modelis, kas atrodas aiz lietotāja ekrāna.
Es turpināju iedomāties, ka viens lietotājs pieskaras risku novērtējumam pirms veikt kustību. Atbilde varētu parādīties sekundes laikā. Bet, ja verifikācija nozīmē, ka katram validātājam ir jāatkārto smags modelis tikai, lai piekristu, tad tas tīrais rezultātu ekrāns sāk apstāties.
Nevis neizdoties.
Apstāties.
Tur ir vieta, kur OpenGradient man kļuva konkrētāks.
Problēma nav tikai tajā, vai AI modelis var radīt atbildi. Būvētājs ir iestrēdzis starp divām sliktām izvēlēm. Ātri parādīt rezultātu un lūgt lietotājam tam uzticēties, vai gaidīt pierādījumu procesu un padarīt produktu lēnu.
Tātad, īstais šaurs vieta nav modeļa izeja.
Tas ir tas, kas notiek pēc tam, kad izeja ir eksistējoša.
Vai inferencē var darboties ātri, kamēr pierādījumu ceļš joprojām parāda, kas tika palaists, kā tas tika pārbaudīts un kāpēc rezultāts ir pelnījis uzticību?
Es to sauktu par Re-Run Trap.
Ja verifikācija nozīmē atkārtoti palaist smagu AI visur, lietotājs gaida. Ja verifikācija tiek izlaista, būvētājs uzņemas uzticības risku. Jebkurā gadījumā produkts sabrūk vietā, ko parasti lietotāji var patiešām sajust.
Tāpēc ir svarīgi nodalīt inferenci no pārbaudāma pierādījuma.
Ātra izeja nav pietiekama.
Grūtāks tests ir, vai AI var palikt izmantojams, nepadarot verifikāciju par ielādes ekrānu.
#OPG $OPG @OpenGradient $RE $AXS
Tas izklausās tīrs, līdz tas nav tokenu pārsūtījums.
Tas ir AI modelis, kas atrodas aiz lietotāja ekrāna.
Es turpināju iedomāties, ka viens lietotājs pieskaras risku novērtējumam pirms veikt kustību. Atbilde varētu parādīties sekundes laikā. Bet, ja verifikācija nozīmē, ka katram validātājam ir jāatkārto smags modelis tikai, lai piekristu, tad tas tīrais rezultātu ekrāns sāk apstāties.
Nevis neizdoties.
Apstāties.
Tur ir vieta, kur OpenGradient man kļuva konkrētāks.
Problēma nav tikai tajā, vai AI modelis var radīt atbildi. Būvētājs ir iestrēdzis starp divām sliktām izvēlēm. Ātri parādīt rezultātu un lūgt lietotājam tam uzticēties, vai gaidīt pierādījumu procesu un padarīt produktu lēnu.
Tātad, īstais šaurs vieta nav modeļa izeja.
Tas ir tas, kas notiek pēc tam, kad izeja ir eksistējoša.
Vai inferencē var darboties ātri, kamēr pierādījumu ceļš joprojām parāda, kas tika palaists, kā tas tika pārbaudīts un kāpēc rezultāts ir pelnījis uzticību?
Es to sauktu par Re-Run Trap.
Ja verifikācija nozīmē atkārtoti palaist smagu AI visur, lietotājs gaida. Ja verifikācija tiek izlaista, būvētājs uzņemas uzticības risku. Jebkurā gadījumā produkts sabrūk vietā, ko parasti lietotāji var patiešām sajust.
Tāpēc ir svarīgi nodalīt inferenci no pārbaudāma pierādījuma.
Ātra izeja nav pietiekama.
Grūtāks tests ir, vai AI var palikt izmantojams, nepadarot verifikāciju par ielādes ekrānu.
#OPG $OPG @OpenGradient $RE $AXS
Lietotājs redz AI likvidācijas brīdinājumu un apstājas pirms pozīcijas slēgšanas.
Tas ir brīdis, kad pierādījums pārstāj būt abstrakts jēdziens.
Būvētājs jau ir veicis svarīgu izvēli pirms lietotājs vispār redz brīdinājumu. Kāda veida pierādījums ceļo kopā ar šo atbildi? Cik smags tam jābūt? Cik ilgs aizkave ir pieņemams, kad lietotājs skatās uz riska ekrānu?
Es agrāk domāju, ka drošākais AI atbildes variants ir vienkārši tas, kuram ir visspēcīgākais pierādījums pievienots.
Vairāk pierādījumu, vairāk drošības.
Tīra ideja.
Pēc tam es pārdomāju, ko tas patiesībā nozīmē produktā.
Likvidācijas brīdinājums nav tas pats, kas neliels kopsavilkums. Tas ir tuvāk rīcībai. Tas var mainīt to, ko lietotājs dara tālāk. Ja pierādījuma pārbaude ir pārāk viegla, lietotājs var uzticēties kaut kam, kam vajadzēja stiprāku pēdas nospiedumu. Ja pierādījuma ceļš ir pārāk smags, brīdinājums var ierasties par vēlu, un tagad drošības slānis kļūst par daļu no riska.
Tieši šeit OpenGradient man kļuva interesantāks.
Nevis tāpēc, ka katram AI iznākumam ir nepieciešams vislielākais pieejamais pierādījums, bet gan tāpēc, ka pierādījumam ir jāatbilst uzdevumam. Viens iznākums varētu prasīt tikai parakstu. Cits varētu prasīt TEE stila pārbaudi. Vēl cits varētu pamatot smagāku zkML ceļu, jo lēmumam ir lielāka nozīme.
Es to sauktu par Pierādījumu budžetu.
Nevis tāpēc, ka pierādījumi būtu lēti.
Tāpēc, ka pierādījumiem jābūt tērētiem tur, kur risks patiesībā atrodas.
Spiediens gulsies uz lietotnes izstrādātāja pleciem. Viņi ne tikai jautā: “Vai šo AI atbildi var pārbaudīt?” Viņi jautā: “Kas notiks, ja šī konkrētā atbilde tiks pārbaudīta pārāk lēni, pārāk vāji vai nepareizā veidā?”
Tas ir grūtāks produkta jautājums.
OpenGradient padara “pārbaudītu AI” mazāk līdzīgu vienai nozīmītei un vairāk kā laika lēmumam.
Pareizajam pierādījumam jāparādās pirms lietotājs rīkojas.
Pēc tam pat spēcīgs pierādījums var būt par vēlu.
#OPG $OPG @OpenGradient $RE $BEL
Tas ir brīdis, kad pierādījums pārstāj būt abstrakts jēdziens.
Būvētājs jau ir veicis svarīgu izvēli pirms lietotājs vispār redz brīdinājumu. Kāda veida pierādījums ceļo kopā ar šo atbildi? Cik smags tam jābūt? Cik ilgs aizkave ir pieņemams, kad lietotājs skatās uz riska ekrānu?
Es agrāk domāju, ka drošākais AI atbildes variants ir vienkārši tas, kuram ir visspēcīgākais pierādījums pievienots.
Vairāk pierādījumu, vairāk drošības.
Tīra ideja.
Pēc tam es pārdomāju, ko tas patiesībā nozīmē produktā.
Likvidācijas brīdinājums nav tas pats, kas neliels kopsavilkums. Tas ir tuvāk rīcībai. Tas var mainīt to, ko lietotājs dara tālāk. Ja pierādījuma pārbaude ir pārāk viegla, lietotājs var uzticēties kaut kam, kam vajadzēja stiprāku pēdas nospiedumu. Ja pierādījuma ceļš ir pārāk smags, brīdinājums var ierasties par vēlu, un tagad drošības slānis kļūst par daļu no riska.
Tieši šeit OpenGradient man kļuva interesantāks.
Nevis tāpēc, ka katram AI iznākumam ir nepieciešams vislielākais pieejamais pierādījums, bet gan tāpēc, ka pierādījumam ir jāatbilst uzdevumam. Viens iznākums varētu prasīt tikai parakstu. Cits varētu prasīt TEE stila pārbaudi. Vēl cits varētu pamatot smagāku zkML ceļu, jo lēmumam ir lielāka nozīme.
Es to sauktu par Pierādījumu budžetu.
Nevis tāpēc, ka pierādījumi būtu lēti.
Tāpēc, ka pierādījumiem jābūt tērētiem tur, kur risks patiesībā atrodas.
Spiediens gulsies uz lietotnes izstrādātāja pleciem. Viņi ne tikai jautā: “Vai šo AI atbildi var pārbaudīt?” Viņi jautā: “Kas notiks, ja šī konkrētā atbilde tiks pārbaudīta pārāk lēni, pārāk vāji vai nepareizā veidā?”
Tas ir grūtāks produkta jautājums.
OpenGradient padara “pārbaudītu AI” mazāk līdzīgu vienai nozīmītei un vairāk kā laika lēmumam.
Pareizajam pierādījumam jāparādās pirms lietotājs rīkojas.
Pēc tam pat spēcīgs pierādījums var būt par vēlu.
#OPG $OPG @OpenGradient $RE $BEL
Es agrāk uzticējos ekrānuzņēmumiem vairāk, nekā vajadzētu.
Ekrānuzņēmums šķiet kā pierādījums. Tas parāda atbildi, laiku, ekrānu un pogu, ko kāds nospieda. Parastā aplikācijā tas var atrisināt mazu strīdu.
Tad es padomāju par AI tirdzniecības brīdinājumu iekšā reālā produktā.
Lietotājs gatavojas rīkoties. Aplikācija parāda brīdinājumu, kas saka, ka maršruts izskatās riskants. Viņi uzņem ekrānuzņēmumu, veic darījumu un iet tālāk.
Vēlāk rezultāts izskatās nepareizs.
Tagad ekrānuzņēmums atgriežas ar pievienoto sūdzību.
"Šis ir tas, ko tava aplikācija man teica."
Neērtais moments ir tas, ka ekrānuzņēmums tikai pierāda, ka brīdinājums parādījās.
Tas nepierāda, kurš modelis to radīja, kurš izpildījums to veica vai vai šim iznākumam bija pārbaudīta izpildes pēda aiz tā.
Šeit OpenGradient kļūst interesantāks man. Nevis tāpēc, ka AI var parādīties aplikācijās, bet tāpēc, ka izpildījumam jāpaliek izsekojamam pēc ekrāna pazušanas. Pārbaudāma modeļa izpildījums ir visnozīmīgākais, kad UI moments jau ir pagājis un kādam jāizskaidro, kas patiesībā notika.
Es šo sauktu par Ekrānuzņēmuma Pierādījumu Slazdu.
Tas izklausās nenozīmīgi, līdz būvētājam jāatbild par kaut ko, uz ko lietotājs jau ir paļāvies. Ekrānuzņēmums padara sūdzību redzamu, bet tas nevar atjaunot slēpto izpildījumu. Bez šīs pēdas būvētājs ir iestrēdzis, aizstāvot ekrānu, nevis pierādot procesu aiz tā.
Kad AI kļūst par daļu no lietotāju lēmumiem, pierādījumiem nevar apstāties pie tā, kas parādījās uz displeja. Noderīgā atbilde nav tikai tā, ko lietotājs redzēja. Tā ir tā, ko būvētājs joprojām var pierādīt vēlāk.
#OPG $OPG @OpenGradient $RE $SYN
Ekrānuzņēmums šķiet kā pierādījums. Tas parāda atbildi, laiku, ekrānu un pogu, ko kāds nospieda. Parastā aplikācijā tas var atrisināt mazu strīdu.
Tad es padomāju par AI tirdzniecības brīdinājumu iekšā reālā produktā.
Lietotājs gatavojas rīkoties. Aplikācija parāda brīdinājumu, kas saka, ka maršruts izskatās riskants. Viņi uzņem ekrānuzņēmumu, veic darījumu un iet tālāk.
Vēlāk rezultāts izskatās nepareizs.
Tagad ekrānuzņēmums atgriežas ar pievienoto sūdzību.
"Šis ir tas, ko tava aplikācija man teica."
Neērtais moments ir tas, ka ekrānuzņēmums tikai pierāda, ka brīdinājums parādījās.
Tas nepierāda, kurš modelis to radīja, kurš izpildījums to veica vai vai šim iznākumam bija pārbaudīta izpildes pēda aiz tā.
Šeit OpenGradient kļūst interesantāks man. Nevis tāpēc, ka AI var parādīties aplikācijās, bet tāpēc, ka izpildījumam jāpaliek izsekojamam pēc ekrāna pazušanas. Pārbaudāma modeļa izpildījums ir visnozīmīgākais, kad UI moments jau ir pagājis un kādam jāizskaidro, kas patiesībā notika.
Es šo sauktu par Ekrānuzņēmuma Pierādījumu Slazdu.
Tas izklausās nenozīmīgi, līdz būvētājam jāatbild par kaut ko, uz ko lietotājs jau ir paļāvies. Ekrānuzņēmums padara sūdzību redzamu, bet tas nevar atjaunot slēpto izpildījumu. Bez šīs pēdas būvētājs ir iestrēdzis, aizstāvot ekrānu, nevis pierādot procesu aiz tā.
Kad AI kļūst par daļu no lietotāju lēmumiem, pierādījumiem nevar apstāties pie tā, kas parādījās uz displeja. Noderīgā atbilde nav tikai tā, ko lietotājs redzēja. Tā ir tā, ko būvētājs joprojām var pierādīt vēlāk.
#OPG $OPG @OpenGradient $RE $SYN
Skatīt tulkojumu
I checked the same answer twice, and the uncomfortable part was not that the AI changed its mind.
It was that I had no clean way to see what changed.
Same prompt. Same action. Different result.
In a normal app, that feels like a small annoyance. Refresh it, ask again, move on. But the second an AI output touches a trade alert or a user-facing risk flag, the loose answer stops being a screen problem.
It becomes a builder problem.
That was the part that made OpenGradient click for me.
Not the broad “AI onchain” idea. That is too clean. The useful part is smaller and more uncomfortable: a model run should not disappear after it produces an answer.
The run needs to leave something behind.
A receipt.
Which model answered. Which execution path produced it. What output was actually checked. Whether the result can still be verified after the user has already acted on it.
I keep thinking about the support ticket after something breaks.
A user says, “Your app told me this.”
The builder cannot point at an AI box and say it was probably correct when it ran. They need to prove what actually ran, not what the system usually runs.
That is the mismatch I would call Model Drift Receipt.
AI apps get better when they update fast, but trust gets worse if every update quietly rewrites the past. The visible consequence lands on the builder first. They carry the blame for an output they may not be able to reconstruct.
The hard test is not whether AI can answer today.
It is whether the builder can still defend that answer tomorrow.
#OPG $OPG @OpenGradient
It was that I had no clean way to see what changed.
Same prompt. Same action. Different result.
In a normal app, that feels like a small annoyance. Refresh it, ask again, move on. But the second an AI output touches a trade alert or a user-facing risk flag, the loose answer stops being a screen problem.
It becomes a builder problem.
That was the part that made OpenGradient click for me.
Not the broad “AI onchain” idea. That is too clean. The useful part is smaller and more uncomfortable: a model run should not disappear after it produces an answer.
The run needs to leave something behind.
A receipt.
Which model answered. Which execution path produced it. What output was actually checked. Whether the result can still be verified after the user has already acted on it.
I keep thinking about the support ticket after something breaks.
A user says, “Your app told me this.”
The builder cannot point at an AI box and say it was probably correct when it ran. They need to prove what actually ran, not what the system usually runs.
That is the mismatch I would call Model Drift Receipt.
AI apps get better when they update fast, but trust gets worse if every update quietly rewrites the past. The visible consequence lands on the builder first. They carry the blame for an output they may not be able to reconstruct.
The hard test is not whether AI can answer today.
It is whether the builder can still defend that answer tomorrow.
#OPG $OPG @OpenGradient
Skatīt tulkojumu
The hidden mess in OpenGradient is not proving an AI run by showing everything.
It is proving just enough while keeping the private parts sealed.
That is the screen I would slow down on. In OpenGradient, full nodes do not have to rerun the model. They verify the proof. They also do not need the prompt, the response, or the model weights to confirm the attestation is valid.
So the ugly builder problem starts after verification works.
The user still needs a receipt they can read.
I would want it to feel this plain:
Job status: completed
Proof type: valid attestation
Verification result: passed
Private input: hidden
A green checkmark alone is too thin. It can say “verified” while telling the user almost nothing about what was checked. But a heavy receipt can become the leak, because it starts pulling the private request back into the audit trail.
That is the trap.
The receipt has to prove the run without exposing the thing that made the run private in the first place. It should let a user ask, “was this AI result verified?” without handing the auditor the prompt, answer, or model internals.
For me, that is where OpenGradient gets interesting. The proof can be public enough to trust, while the inference stays private enough to matter.
The pressure is not just private AI compute. The pressure is making a private result auditable without turning the audit into the leak. #OPG $OPG @OpenGradient
It is proving just enough while keeping the private parts sealed.
That is the screen I would slow down on. In OpenGradient, full nodes do not have to rerun the model. They verify the proof. They also do not need the prompt, the response, or the model weights to confirm the attestation is valid.
So the ugly builder problem starts after verification works.
The user still needs a receipt they can read.
I would want it to feel this plain:
Job status: completed
Proof type: valid attestation
Verification result: passed
Private input: hidden
A green checkmark alone is too thin. It can say “verified” while telling the user almost nothing about what was checked. But a heavy receipt can become the leak, because it starts pulling the private request back into the audit trail.
That is the trap.
The receipt has to prove the run without exposing the thing that made the run private in the first place. It should let a user ask, “was this AI result verified?” without handing the auditor the prompt, answer, or model internals.
For me, that is where OpenGradient gets interesting. The proof can be public enough to trust, while the inference stays private enough to matter.
The pressure is not just private AI compute. The pressure is making a private result auditable without turning the audit into the leak. #OPG $OPG @OpenGradient
Daļa, uz kuru es palēnināšu OpenGradient, nav AI atbilde.
Tas ir brīdis pēc atbildes parādīšanās.
Es visu laiku domāju par vienkāršu rezultātu karti lietotnē. Modelis atgriež noderīgu atbildi, lietotājs redz tīru izvadi, un ekrāns jau šķiet pabeigts. Bet zem šīs kartes pierādījumu stāvoklis var vēl būt nesakārtots.
Tur ir vieta, kur veidotājam jāveic nepatīkamais darbs.
Vai man to parādīt kā galīgu?
Vai nu parādīt to kā atbildētu, bet vēl ne pilnībā nokārtotu?
OpenGradient šī atšķirība ir svarīga, jo secinājums un pārbaude nav vienāds solis. Lietotne var vispirms saņemt izmantojamu AI izvadi, kamēr pierādījumu puse var būt atkarīga no izvēlētā ceļa aiz tā. TEE, ZKML vai paraksts nav tikai backend vārdi tur. Tie maina to, ko lietotne var godīgi apgalvot lietotājam.
Tātad rezultātu karte nevar vienkārši teikt “izdarīts.”
Tai jāparāda, kurš modelis darbojās, kāds pieprasījums tika izmantots, kāds pierādījumu līmenis atbalsta izvadi, un vai šis pierādījums joprojām ir gaidāms vai jau reģistrēts.
Tas izklausās mazs, līdz atbilde tiek izmantota kaut kam ar naudu, piekļuvi vai rangiem aiz tā. Ja UI slēpj pierādījumu stāvokli, lietotājs redz pārliecību, kamēr operators joprojām uzņemas risku. Ja UI to atklāj, atbilde sāk izturēties mazāk kā melna kaste un vairāk kā kvīts.
Tas ir OpenGradient spiediens, ko es uzskatu par visreālāko.
Grūtā daļa nav tikai padarīt AI darbojošos onchain. Tā ir nodrošināt, lai katra atgriezta atbilde zinātu, vai tā ir tikai atbilde, vai pierādījums, aiz kura kāds var patiesi stāvēt. #OPG $OPG @OpenGradient
Tas ir brīdis pēc atbildes parādīšanās.
Es visu laiku domāju par vienkāršu rezultātu karti lietotnē. Modelis atgriež noderīgu atbildi, lietotājs redz tīru izvadi, un ekrāns jau šķiet pabeigts. Bet zem šīs kartes pierādījumu stāvoklis var vēl būt nesakārtots.
Tur ir vieta, kur veidotājam jāveic nepatīkamais darbs.
Vai man to parādīt kā galīgu?
Vai nu parādīt to kā atbildētu, bet vēl ne pilnībā nokārtotu?
OpenGradient šī atšķirība ir svarīga, jo secinājums un pārbaude nav vienāds solis. Lietotne var vispirms saņemt izmantojamu AI izvadi, kamēr pierādījumu puse var būt atkarīga no izvēlētā ceļa aiz tā. TEE, ZKML vai paraksts nav tikai backend vārdi tur. Tie maina to, ko lietotne var godīgi apgalvot lietotājam.
Tātad rezultātu karte nevar vienkārši teikt “izdarīts.”
Tai jāparāda, kurš modelis darbojās, kāds pieprasījums tika izmantots, kāds pierādījumu līmenis atbalsta izvadi, un vai šis pierādījums joprojām ir gaidāms vai jau reģistrēts.
Tas izklausās mazs, līdz atbilde tiek izmantota kaut kam ar naudu, piekļuvi vai rangiem aiz tā. Ja UI slēpj pierādījumu stāvokli, lietotājs redz pārliecību, kamēr operators joprojām uzņemas risku. Ja UI to atklāj, atbilde sāk izturēties mazāk kā melna kaste un vairāk kā kvīts.
Tas ir OpenGradient spiediens, ko es uzskatu par visreālāko.
Grūtā daļa nav tikai padarīt AI darbojošos onchain. Tā ir nodrošināt, lai katra atgriezta atbilde zinātu, vai tā ir tikai atbilde, vai pierādījums, aiz kura kāds var patiesi stāvēt. #OPG $OPG @OpenGradient
Es neuzņemtu Bedrock dimantus kā mazu bonusu insigniju.
Es tos uztvertu kā pulksteni.
Tas ir tas, uz ko es kā lietotājs palēnināšu uzmanību. Svarīgais brīdis nav tikai mīntot vienreiz un pieņemt, ka pārējais tiek risināts uz mūžu. Bedrock dimantu sistēma rūpējas par to, ko lietotājs patiesībā dara pēc mīntošanas, vai aktīvs tiek turēts, izmantots likviditātē vai pārvietots uz citu rīcības ceļu.
Tas maina veidu, kā es skatos uz pozīciju.
Maku var izskatīties mierīgu, bet atlīdzības stāvoklis aiz tā nav tikai dekorācija. Tas ir saistīts ar lietotāja pašreizējo uzvedību. Ja es mīntu un pēc tam pārvietoju aktīvu kaut kur citur, man nevajadzētu minēt, vai es joprojām esmu tajā pašā atlīdzības ceļā vai esmu mainījis nosacījumu, ko Bedrock izseko.
Tas ir labāks BTCfi problēmas piemērs nekā vēl viena peļņas virsraksts.
Lietotājam nav nepieciešams tikai piekļuve produktīvam BTC aktīvam. Viņam ir jāizprot, kuru rīcību Bedrock šobrīd atpazīst. Turēšana ir viens stāvoklis. Likviditāte ir cits. Partneru kampaņas var pievienot vēl vienu slāni. Kļūda ir uztvert visus tos kā vienādu pasīvo pozīciju.
Šeit Bedrock atlīdzības dizains kļūst par reālu saskarsmes problēmu.
Lietotājam nevajadzētu brīnīties, vai viņu aktīvs darbojas tajā maršrutā, kādā viņi domā, ka tas darbojas.
Atlīdzības sistēma ir noderīga tikai tad, ja lietotājs var pateikt, kuru uzvedību tā atlīdzina.
@Bedrock $BR #Bedrock
Es tos uztvertu kā pulksteni.
Tas ir tas, uz ko es kā lietotājs palēnināšu uzmanību. Svarīgais brīdis nav tikai mīntot vienreiz un pieņemt, ka pārējais tiek risināts uz mūžu. Bedrock dimantu sistēma rūpējas par to, ko lietotājs patiesībā dara pēc mīntošanas, vai aktīvs tiek turēts, izmantots likviditātē vai pārvietots uz citu rīcības ceļu.
Tas maina veidu, kā es skatos uz pozīciju.
Maku var izskatīties mierīgu, bet atlīdzības stāvoklis aiz tā nav tikai dekorācija. Tas ir saistīts ar lietotāja pašreizējo uzvedību. Ja es mīntu un pēc tam pārvietoju aktīvu kaut kur citur, man nevajadzētu minēt, vai es joprojām esmu tajā pašā atlīdzības ceļā vai esmu mainījis nosacījumu, ko Bedrock izseko.
Tas ir labāks BTCfi problēmas piemērs nekā vēl viena peļņas virsraksts.
Lietotājam nav nepieciešams tikai piekļuve produktīvam BTC aktīvam. Viņam ir jāizprot, kuru rīcību Bedrock šobrīd atpazīst. Turēšana ir viens stāvoklis. Likviditāte ir cits. Partneru kampaņas var pievienot vēl vienu slāni. Kļūda ir uztvert visus tos kā vienādu pasīvo pozīciju.
Šeit Bedrock atlīdzības dizains kļūst par reālu saskarsmes problēmu.
Lietotājam nevajadzētu brīnīties, vai viņu aktīvs darbojas tajā maršrutā, kādā viņi domā, ka tas darbojas.
Atlīdzības sistēma ir noderīga tikai tad, ja lietotājs var pateikt, kuru uzvedību tā atlīdzina.
@Bedrock $BR #Bedrock
Svarīgākais, ko es neizlaistu, ir maku, kas sāk izeju.
Produkta ekrāns var padarīt šķidro atkārtotu likmju likšanu par vienkāršu procesu. Pievienojiet maku, ievadiet summu, parakstiet, saņemiet šķidro žetonu, un virzieties uz priekšu.
Bet asākais punkts nav poga.
Tas ir parakstītājs.
Bedrock neuztur lietotāja maku. Tas nekontrolē privāto atslēgu. Tīmekļa vietne var rādīt maku datus un ģenerēt darījuma ziņojumu, bet darbība joprojām pieder pie maka, kas to paraksta.
Tas maina manu skatījumu uz atkārtotu likmju likšanu.
Kad Bedrock šķidrās atkārtotās likmju pozīcijas tiek izietas, atgriešanās ceļš ir saistīts ar to pašu saderīgo maku, kas iniciēja darbību, pakļaujoties gaidīšanas periodam. Tas nav brīvs prasījuma lapa, kur lietotājs var vienkārši pārvietot izejas adresi vēlāk.
Tātad īstā lietotāja jautājums nav tikai tas, ko es likšu.
Tas ir, vai es parakstu no maka, ko es vēlētos pievienot izejai.
Tas izklausās garlaicīgi, līdz maka iestatījums mainās.
Jauns aparatūras maks. Rotējoša adrese. Vecā adrese, kas izmantota vienu reizi, jo tajā bija žetons gatavs. Portfelis sadalīts pa ķēdēm un rīkiem.
Interfeiss var padarīt pozīciju tīru.
Gudrā līguma plūsma ir mazāk piedodoša nekā tas.
Bedrockā pirmā paraksts nav tikai ieeja.
Tas ir adrese, ar kuru izejai ir jāciena.
@Bedrock $BR #Bedrock
Produkta ekrāns var padarīt šķidro atkārtotu likmju likšanu par vienkāršu procesu. Pievienojiet maku, ievadiet summu, parakstiet, saņemiet šķidro žetonu, un virzieties uz priekšu.
Bet asākais punkts nav poga.
Tas ir parakstītājs.
Bedrock neuztur lietotāja maku. Tas nekontrolē privāto atslēgu. Tīmekļa vietne var rādīt maku datus un ģenerēt darījuma ziņojumu, bet darbība joprojām pieder pie maka, kas to paraksta.
Tas maina manu skatījumu uz atkārtotu likmju likšanu.
Kad Bedrock šķidrās atkārtotās likmju pozīcijas tiek izietas, atgriešanās ceļš ir saistīts ar to pašu saderīgo maku, kas iniciēja darbību, pakļaujoties gaidīšanas periodam. Tas nav brīvs prasījuma lapa, kur lietotājs var vienkārši pārvietot izejas adresi vēlāk.
Tātad īstā lietotāja jautājums nav tikai tas, ko es likšu.
Tas ir, vai es parakstu no maka, ko es vēlētos pievienot izejai.
Tas izklausās garlaicīgi, līdz maka iestatījums mainās.
Jauns aparatūras maks. Rotējoša adrese. Vecā adrese, kas izmantota vienu reizi, jo tajā bija žetons gatavs. Portfelis sadalīts pa ķēdēm un rīkiem.
Interfeiss var padarīt pozīciju tīru.
Gudrā līguma plūsma ir mazāk piedodoša nekā tas.
Bedrockā pirmā paraksts nav tikai ieeja.
Tas ir adrese, ar kuru izejai ir jāciena.
@Bedrock $BR #Bedrock
Vāja multichain versija ir viegla.
Ieliec tokenu citā ķēdē.
Pievieno palaišanas ziņu.
Lai visi to skaita par paplašināšanos.
Tas nav tas Solanas aspekts Bedrock, kas mani interesē.
Reālā pārbaude sākas vienu soli vēlāk.
Kad uniBTC sasniedz Solanu, jautājums nav par to, vai Bedrock tur ir klātbūtne. Klātbūtne ir tīrā daļa. Rūgtāka daļa ir tas, kas notiek pēc tilta pabeigšanas.
Šeit Saros padara kustību interesantāku.
Tilts uz Solanu var atstāt Bitcoin kapitālu stāvam pie durvīm. Makā ir redzams aktīvs, bet nākamā darbība ir vāja. Nav noderīgas pāra. Nav īstas maršruta. Nav iemesla, kāpēc būvētājs to uzskatītu par kaut ko, kas pieder pie plūsmas.
Tas ir neveiksmīgs stāvoklis, ko es vērotu.
UniBTC gadījumā labāka pārbaude ir, vai tas var pārvietoties BTC-sadaļas likviditātes maršrutos, piemēram, uniBTC/wBTC, uniBTC/xBTC vai uniBTC/cbBTC uz Saros, nevis kļūt par vēl vienu importētu aktīvu, ko cilvēki pamanīs vienu reizi un aizmirsīs.
Tas maina, kā es lasu Bedrock Solanas kustību.
Tas nav "Bedrock atnāca uz Solanu."
Tas ir "vai Bitcoin atbalstīts kapitāls var atrast strādājošu joslu Solanas DeFi?"
Tas ir svarīgi, jo Solanas lietotāji nav pacietīgi ar aktīviem, kuriem ir tikai naratīvs. Ja uniBTC šķiet kā importēts atzīmes, paplašināšanās ātri kļūst vāja. Tilts var darboties, paziņojums var būt reāls, bet aktīviem joprojām ir jānopelna nākamā darbība.
Tas ir noderīgs spiediena punkts.
Ja Saros dod uniBTC reālu likviditātes ceļu, Bedrock kustība kļūst pārbaudāma vienīgajā vietā, kas ir svarīga: pēc aktīva ierašanās.
Ķēdes skaits ir viegls pierādījums.
Ievietošana ir grūtāka.
Protokols nekļūst par multichain, jo tā nosaukums parādās vairākās tīklos. Tas kļūst par multichain, kad tā aktīvs turpina kustēties pēc palaišanas satiksmes izzušanas.
@Bedrock $BR #Bedrock
Ieliec tokenu citā ķēdē.
Pievieno palaišanas ziņu.
Lai visi to skaita par paplašināšanos.
Tas nav tas Solanas aspekts Bedrock, kas mani interesē.
Reālā pārbaude sākas vienu soli vēlāk.
Kad uniBTC sasniedz Solanu, jautājums nav par to, vai Bedrock tur ir klātbūtne. Klātbūtne ir tīrā daļa. Rūgtāka daļa ir tas, kas notiek pēc tilta pabeigšanas.
Šeit Saros padara kustību interesantāku.
Tilts uz Solanu var atstāt Bitcoin kapitālu stāvam pie durvīm. Makā ir redzams aktīvs, bet nākamā darbība ir vāja. Nav noderīgas pāra. Nav īstas maršruta. Nav iemesla, kāpēc būvētājs to uzskatītu par kaut ko, kas pieder pie plūsmas.
Tas ir neveiksmīgs stāvoklis, ko es vērotu.
UniBTC gadījumā labāka pārbaude ir, vai tas var pārvietoties BTC-sadaļas likviditātes maršrutos, piemēram, uniBTC/wBTC, uniBTC/xBTC vai uniBTC/cbBTC uz Saros, nevis kļūt par vēl vienu importētu aktīvu, ko cilvēki pamanīs vienu reizi un aizmirsīs.
Tas maina, kā es lasu Bedrock Solanas kustību.
Tas nav "Bedrock atnāca uz Solanu."
Tas ir "vai Bitcoin atbalstīts kapitāls var atrast strādājošu joslu Solanas DeFi?"
Tas ir svarīgi, jo Solanas lietotāji nav pacietīgi ar aktīviem, kuriem ir tikai naratīvs. Ja uniBTC šķiet kā importēts atzīmes, paplašināšanās ātri kļūst vāja. Tilts var darboties, paziņojums var būt reāls, bet aktīviem joprojām ir jānopelna nākamā darbība.
Tas ir noderīgs spiediena punkts.
Ja Saros dod uniBTC reālu likviditātes ceļu, Bedrock kustība kļūst pārbaudāma vienīgajā vietā, kas ir svarīga: pēc aktīva ierašanās.
Ķēdes skaits ir viegls pierādījums.
Ievietošana ir grūtāka.
Protokols nekļūst par multichain, jo tā nosaukums parādās vairākās tīklos. Tas kļūst par multichain, kad tā aktīvs turpina kustēties pēc palaišanas satiksmes izzušanas.
@Bedrock $BR #Bedrock
Ar Bedrock es varētu palēnināties pie otrā kvīta.
Nevis uniBTC.
brBTC.
Tieši šeit lietotāja lēmums kļūst skaidrāks.
Turētājam jau var būt uniBTC, un viņš var just, ka Bitcoin pozīcija ir kļuvusi produktīva. Maciņš rāda kvīti. Aktīvs ir likvīds. Stāsts šķiet pilnīgs.
Tad brBTC plūsma pievieno vēl vienu soli.
Savienot maciņu.
Izvēlēties tīklu.
Apstiprināt atļauju.
Ievadīt uniBTC apjomu.
Apstiprināt likmi.
Vēlreiz apstiprināt maciņā.
Šis papildu apstiprinājums nav tikai darījuma detaļa. Tas ir brīdis, kad turētājam jāsaprot, kādā slānī viņš patiesībā iekļūst.
uniBTC pārstāv likvidēto wrapped BTC.
brBTC ir citādāks. Tas ir Bedrock Bitcoin LRT slānis, kas izveidots plašākai BTCFi peļņas piekļuvei no vairākiem avotiem.
Tāpēc neērtā daļa ir vienkārša.
Ja es apstājos pie uniBTC, es neskatos uz to pašu pozīciju kā kāds, kurš ir pārgājis uz brBTC.
Kvīts mainījās, bet atbildība arī mainījās.
Tas ir svarīgi, jo Bitcoin turētājam nevajadzētu izturēties pret katru Bedrock BTC aktīvu kā pret to pašu iepakojumu ar citu simbolu. Viena kvīts dod man vienu veidu ekspozīciju. Nākamā kvīts pārvieto pozīciju uz citu peļņas slāni, ar savu atļauju, likmju darbību un tokenu uzvedību.
Tas ir moments ekrānā, kuru es vērtētu.
Nevis liela BTCFi valoda.
Mazais attālums starp "Man jau ir uniBTC" un "Es tūlīt parakstīšu vēlreiz par brBTC."
Šis otrais klikšķis ir tas, kur produktam jāpadara pozīcijas maiņa acīmredzama.
Ja turētājs nevar pateikt, kas mainījās pēc otrā kvīta, peļņas slāni kļūst grūtāk izmērīt ar pārliecību.
@Bedrock $BR #Bedrock
Nevis uniBTC.
brBTC.
Tieši šeit lietotāja lēmums kļūst skaidrāks.
Turētājam jau var būt uniBTC, un viņš var just, ka Bitcoin pozīcija ir kļuvusi produktīva. Maciņš rāda kvīti. Aktīvs ir likvīds. Stāsts šķiet pilnīgs.
Tad brBTC plūsma pievieno vēl vienu soli.
Savienot maciņu.
Izvēlēties tīklu.
Apstiprināt atļauju.
Ievadīt uniBTC apjomu.
Apstiprināt likmi.
Vēlreiz apstiprināt maciņā.
Šis papildu apstiprinājums nav tikai darījuma detaļa. Tas ir brīdis, kad turētājam jāsaprot, kādā slānī viņš patiesībā iekļūst.
uniBTC pārstāv likvidēto wrapped BTC.
brBTC ir citādāks. Tas ir Bedrock Bitcoin LRT slānis, kas izveidots plašākai BTCFi peļņas piekļuvei no vairākiem avotiem.
Tāpēc neērtā daļa ir vienkārša.
Ja es apstājos pie uniBTC, es neskatos uz to pašu pozīciju kā kāds, kurš ir pārgājis uz brBTC.
Kvīts mainījās, bet atbildība arī mainījās.
Tas ir svarīgi, jo Bitcoin turētājam nevajadzētu izturēties pret katru Bedrock BTC aktīvu kā pret to pašu iepakojumu ar citu simbolu. Viena kvīts dod man vienu veidu ekspozīciju. Nākamā kvīts pārvieto pozīciju uz citu peļņas slāni, ar savu atļauju, likmju darbību un tokenu uzvedību.
Tas ir moments ekrānā, kuru es vērtētu.
Nevis liela BTCFi valoda.
Mazais attālums starp "Man jau ir uniBTC" un "Es tūlīt parakstīšu vēlreiz par brBTC."
Šis otrais klikšķis ir tas, kur produktam jāpadara pozīcijas maiņa acīmredzama.
Ja turētājs nevar pateikt, kas mainījās pēc otrā kvīta, peļņas slāni kļūst grūtāk izmērīt ar pārliecību.
@Bedrock $BR #Bedrock
Verificēts
Sarkanais svečturi pats par sevi var nebūt lielākais risks ETF, bet ko es daru, kad to redzu, ir.
Kryptovalūtās esmu iemācījies cienīt lejupslīdi, jo cenas var pārvietoties ātri. Bet ar plašajiem ASV ETF esmu jautājis, vai pārāk ātra reakcija patiesībā nav īstā kļūda.
Ilgtermiņa ETF ieguldījumiem, vai risks galvenokārt ir svārstīgums, nepareiza fonda izvēle, pārāk liels pirkums pārāk drīz vai pacietības zaudēšana laikā, kad notiek lejupslīde?
#MyStocksQuestion
Kryptovalūtās esmu iemācījies cienīt lejupslīdi, jo cenas var pārvietoties ātri. Bet ar plašajiem ASV ETF esmu jautājis, vai pārāk ātra reakcija patiesībā nav īstā kļūda.
Ilgtermiņa ETF ieguldījumiem, vai risks galvenokārt ir svārstīgums, nepareiza fonda izvēle, pārāk liels pirkums pārāk drīz vai pacietības zaudēšana laikā, kad notiek lejupslīde?
#MyStocksQuestion
Ekrāns, kas mani pievērš, ir tas, kas atsakās būt gatavs. Es turpinu skatīties uz Genius no malas, kur privātā tirdzniecība parasti ir pārdota. Cilvēki runā, it kā privātums būtu tikai vēl viens tīrs slēdzis terminālā. Piespied to, samazini to, ko ceļš atklāj, maini apjomu, izdarīts. Tas izklausās pārāk gludi. Labākais ir tas, kas notiek, kad es atveru Ghost Actions un pirmo reizi piesitīšu pie slēgtām durvīm. Ghost Wallets ir tikai ar ielūgumu. Ceļš tur nesēž kā normāla darbība ar skaistāku nosaukumu. Noderīgais signāls ir nepieejamais stāvoklis. Šis vārti ir svarīgi, jo piekļuve nav sīka detaļa, kad viss plāns ir atkarīgs no privātā modeļa, kas ir aktīvs. Ja es sāku veidot tirdzniecību ap Ghost Wallets pirms zinu, ka es patiešām esmu iekšā šajā plūsmā, kļūda jau ir notikusi. Tas nenotiek pasūtījumu ekrānā. Tas notiek agrāk, kad es sajaucu ielūgumu tikai virsmu ar izmantojamu vairogu. Tieši tāpēc man šeit patīk berze vairāk nekā pulētā privātuma reklāma. Slēgtās durvis piespiež uzdot pareizo jautājumu pirms apjoms dodas kaut kur. Vai es patiešām esmu Ghost Wallet plūsmā, vai es tikai skatos uz tās ideju? Tie nav tie paši ekrāni. Kad piekļuve atveras, terminālim jāpadara šis stāvoklis grūti palaist garām. Konta stāvoklis, Ghost ceļš un slēdzis uz šo režīmu jābūt redzamam pirms es uzskatu darbību par privātu. Privāta izpilde nevar būt dekoratīva. Tam jābūt redzamam stāvoklim. Tas ir tas, uz ko es vērtētu Genius. Nevis vai privātums izklausās jaudīgs, bet vai tirgotājs precīzi zina, kad Ghost Wallets ir aktīvas un kad tās joprojām ir ārpus vārtiem. Privātais termināls izgāžas brīdī, kad nepieejamais režīms sāk izskatīties kā aizsardzība. @GeniusOfficial $GENIUS #genius
Verificēts
Daļa, kurai es pārāk ātri neuzticētos, ir Max poga uniBTC Unstake cilnē.
Tā izskatās pēc parasta izejas īsinājumtaustiņa.
Savienojiet maku. Atveriet Unstake. Izvēlieties tīklu. Ievadiet summu. Nospiediet Max, ja vēlos izņemt visu.
Bet Bedrock pievieno klusāku nosacījumu. Summai joprojām jābūt zem pieejamā limita. Tātad maka bilance nav visa patiesība. Ekrānā var parādīties, ka man ir uniBTC, bet izejas maršrutam joprojām jābūt vietai, lai atbloķētu wrapoto BTC.
Tas ir spiediena punkts.
Turētājs var domāt, ka grūtā daļa bija pozīcijas turēšana. Tad izeja pārvēršas par mazāku lasīšanas testu. Minimālā summa. Limits. Izvēlētais tīkls. Aizturēšanas periods. Iegūstiet vēlāk.
Veiksmīgais ziņojums nav tas pats, kas atgūt wrapoto BTC atpakaļ makā.
Tas ir svarīgi, jo uniBTC atbloķēšana nav tūlītēja. Bedrock saka, ka process ilgst 8 dienas, līdz izvēlētā wrapotā BTC kļūst pieejama, lai to iegūtu. Tātad pirmais klikšķis nepabeidz izeju. Tas sāk gaidīšanas joslu.
Man patīk šis sīkums, jo tas liek Bedrock šķist mazāk kā vienkāršs ienesīguma apvalks un vairāk kā reāls kapitāla ceļš ar pievienotām izejas mehānikām.
Rupjā mala nav paslēpta aiz teorijas. Tā atrodas tieši izņemšanas plūsmā.
Ja es tikai paskatos uz savu bilanci, es varu palaist garām reālo jautājumu.
Vai šī summa faktiski var iziet caur pieejamo limitu, un vai es esmu gatavs iegūšanas solim pēc atbloķēšanas perioda?
Tur izeja pārstāj būt poga un kļūst par grafiku.
@Bedrock $BR #Bedrock
Tā izskatās pēc parasta izejas īsinājumtaustiņa.
Savienojiet maku. Atveriet Unstake. Izvēlieties tīklu. Ievadiet summu. Nospiediet Max, ja vēlos izņemt visu.
Bet Bedrock pievieno klusāku nosacījumu. Summai joprojām jābūt zem pieejamā limita. Tātad maka bilance nav visa patiesība. Ekrānā var parādīties, ka man ir uniBTC, bet izejas maršrutam joprojām jābūt vietai, lai atbloķētu wrapoto BTC.
Tas ir spiediena punkts.
Turētājs var domāt, ka grūtā daļa bija pozīcijas turēšana. Tad izeja pārvēršas par mazāku lasīšanas testu. Minimālā summa. Limits. Izvēlētais tīkls. Aizturēšanas periods. Iegūstiet vēlāk.
Veiksmīgais ziņojums nav tas pats, kas atgūt wrapoto BTC atpakaļ makā.
Tas ir svarīgi, jo uniBTC atbloķēšana nav tūlītēja. Bedrock saka, ka process ilgst 8 dienas, līdz izvēlētā wrapotā BTC kļūst pieejama, lai to iegūtu. Tātad pirmais klikšķis nepabeidz izeju. Tas sāk gaidīšanas joslu.
Man patīk šis sīkums, jo tas liek Bedrock šķist mazāk kā vienkāršs ienesīguma apvalks un vairāk kā reāls kapitāla ceļš ar pievienotām izejas mehānikām.
Rupjā mala nav paslēpta aiz teorijas. Tā atrodas tieši izņemšanas plūsmā.
Ja es tikai paskatos uz savu bilanci, es varu palaist garām reālo jautājumu.
Vai šī summa faktiski var iziet caur pieejamo limitu, un vai es esmu gatavs iegūšanas solim pēc atbloķēšanas perioda?
Tur izeja pārstāj būt poga un kļūst par grafiku.
@Bedrock $BR #Bedrock
Es mēģinu mainīt savu domāšanu no kriptovalūtu tirdzniecības uz ASV ETF investēšanu, un vissmagākais ir pacietība.
Kriptovalūtās gaidīt kritumu šķiet normāli, jo kustības var būt milzīgas. Bet ar plašu ETF es neesmu pārliecināts, vai pārāk ilga gaidīšana tikai tur mani ārpus tirgus.
Ilgtermiņa ETF investori, vai jums labāk patīk pirkt regulārā grafikā, vai arī jūs joprojām turat naudu gatavībā lielākiem tirgus kritumiem?
#MyStocksQuestion
Kriptovalūtās gaidīt kritumu šķiet normāli, jo kustības var būt milzīgas. Bet ar plašu ETF es neesmu pārliecināts, vai pārāk ilga gaidīšana tikai tur mani ārpus tirgus.
Ilgtermiņa ETF investori, vai jums labāk patīk pirkt regulārā grafikā, vai arī jūs joprojām turat naudu gatavībā lielākiem tirgus kritumiem?
#MyStocksQuestion
Tā netīrā daļa sākas pirms pasūtījuma pogas, kad katrs tokens uz ekrāna sāk izlikties, ka ir tāda paša veida lēmums.
Tas ir Genius tirgus siena, pie kuras es atgriežos atkal un atkal. Es vienkārši skenēju, bet kļūda jau ir pieejama. Gāzes aktīvs, stabils, DeFi nosaukums, vecākais lielais, tīkla tokens. Novietojiet tos pietiekami tuvu un mans prāts sāk tos saplacināt vienā slinkā jautājumā.
Pirkt vai izlaist.
Tas ir pārāk tīrs, lai tā tirdzniecība patiesībā justos.
Genius Markets lapa grupē atbalstītus tokenus kategorijās: Visi, Tīkls, DeFi, OG, Gāze un Stabils. Sākumā tas izklausās pēc normālas izkārtojuma izvēles. Tad es palieku uz ekrāna nedaudz ilgāk un pamanīju, kāpēc tas ir svarīgi.
Kategorija ir pirmais bremze.
Es uz brīdi apstājos pie stabila rinda, un šeit viss lasījums mainās. Ja es to uztveru kā ekspozīcijas tirdzniecību, es jau esmu neuzmanīgs pirms es pat pieskaros pasūtījumu plūsmai. Tas pats ar gāzes tokenu. Ja es to lasu kā vēl vienu momentum velas, es ignorēju, kāda veida pieprasījums parasti atrodas zem tā.
Šī nelielā pauze ir svarīga, jo nepareiza tirdzniecība bieži sākas kā nepareizs rindu lasījums.
Kas man šeit patīk, nav tas, ka Genius padara tirgu izskatīgu. Izskatīgs ir lēts. Noderīgā daļa ir tā, ka skenēšana tiek pārtraukta pirms klikšķis pastāv. Lapa turpina uzdot jautājumu, ko es parasti gribu agrāk.
Vai es pārvietoju kapitālu, novietoju kapitālu, maksāju par piekļuvi vai dzenos pēc ekspozīcijas?
Tas ir ekrāna pārbaude, ko es turpināšu vērot, kamēr saraksts kļūst noslogots. Ja šie grozi paliek redzami zem spiediena, siena joprojām satur bremzi. Ja katra rinda sāk atkal izskatīties kā tāds pats tirgojams objekts, es atgriežos pie klikšķināšanas no saplacināta lasījuma.
Un tieši tur parasti sākas sliktas tirdzniecības.
@GeniusOfficial $GENIUS #genius
Tas ir Genius tirgus siena, pie kuras es atgriežos atkal un atkal. Es vienkārši skenēju, bet kļūda jau ir pieejama. Gāzes aktīvs, stabils, DeFi nosaukums, vecākais lielais, tīkla tokens. Novietojiet tos pietiekami tuvu un mans prāts sāk tos saplacināt vienā slinkā jautājumā.
Pirkt vai izlaist.
Tas ir pārāk tīrs, lai tā tirdzniecība patiesībā justos.
Genius Markets lapa grupē atbalstītus tokenus kategorijās: Visi, Tīkls, DeFi, OG, Gāze un Stabils. Sākumā tas izklausās pēc normālas izkārtojuma izvēles. Tad es palieku uz ekrāna nedaudz ilgāk un pamanīju, kāpēc tas ir svarīgi.
Kategorija ir pirmais bremze.
Es uz brīdi apstājos pie stabila rinda, un šeit viss lasījums mainās. Ja es to uztveru kā ekspozīcijas tirdzniecību, es jau esmu neuzmanīgs pirms es pat pieskaros pasūtījumu plūsmai. Tas pats ar gāzes tokenu. Ja es to lasu kā vēl vienu momentum velas, es ignorēju, kāda veida pieprasījums parasti atrodas zem tā.
Šī nelielā pauze ir svarīga, jo nepareiza tirdzniecība bieži sākas kā nepareizs rindu lasījums.
Kas man šeit patīk, nav tas, ka Genius padara tirgu izskatīgu. Izskatīgs ir lēts. Noderīgā daļa ir tā, ka skenēšana tiek pārtraukta pirms klikšķis pastāv. Lapa turpina uzdot jautājumu, ko es parasti gribu agrāk.
Vai es pārvietoju kapitālu, novietoju kapitālu, maksāju par piekļuvi vai dzenos pēc ekspozīcijas?
Tas ir ekrāna pārbaude, ko es turpināšu vērot, kamēr saraksts kļūst noslogots. Ja šie grozi paliek redzami zem spiediena, siena joprojām satur bremzi. Ja katra rinda sāk atkal izskatīties kā tāds pats tirgojams objekts, es atgriežos pie klikšķināšanas no saplacināta lasījuma.
Un tieši tur parasti sākas sliktas tirdzniecības.
@GeniusOfficial $GENIUS #genius
Verificēts
Es esmu jauns ASV akciju un ETF tirgotājs. Vienīgā lieta, ar ko es cīnos, ir zināt, vai es patiešām izvēlos labas akcijas vai vienkārši sekoju populāram nosaukumam.
Kryptovalūtās es iepriekš esmu ieguldījis stāstos, jo tie tobrīd šķita acīmredzami. Dažreiz tas nostrādāja, bet dažreiz vēlāk sapratu, ka nepareizi novērtēju riskus.
Ar akcijām es nevēlos atkārtot to pašu kļūdu, pērkot uzņēmumu, par kuru visi runā. Ko tu personīgi pārbaudi pirms individuālas ASV akcijas iegādes, nevis turēšanai naudu plašā ETF?
#MyStocksQuestion
Kryptovalūtās es iepriekš esmu ieguldījis stāstos, jo tie tobrīd šķita acīmredzami. Dažreiz tas nostrādāja, bet dažreiz vēlāk sapratu, ka nepareizi novērtēju riskus.
Ar akcijām es nevēlos atkārtot to pašu kļūdu, pērkot uzņēmumu, par kuru visi runā. Ko tu personīgi pārbaudi pirms individuālas ASV akcijas iegādes, nevis turēšanai naudu plašā ETF?
#MyStocksQuestion
Piesakies, lai skatītu vairāk satura