Cartesi Linux 应用链：何时值得使用

为什么选择 Cartesi Linux 应用链？

Kevin 大家好。今天我和 Cartesi 的开发者倡导者 João Garcia 聊聊。Cartesi 是基于 Linux 的应用链基础设施，可以用来开发由 Rollup 验证的专用应用。最棒的是，你基本上可以使用 Linux 上已有的通用库或编程语言。这期很精彩，也有一点技术性。如果你想开发新项目，或者正在寻找好的基础设施，这期就是为你准备的。开发者选择你们平台、你们方案的三个主要理由是什么？

João 三个主要理由。第一个肯定是赋能。他们能做更多事情，使用更多工具，对吧？能够开发与其他 Web3 项目不同的应用。任何可以在 Linux 上运行的东西，都可以在用 Cartesi 创建的 Rollup 上运行。第二个是社区提供很好的支持。我们的 Discord 上公开了各种内容，每位贡献者都很活跃，我们为所有人提供很好的支持。第三个是保障和安全。通过我们的工具，你可以使用尽可能好的欺诈证明。我们刚开发了 Dave，L2BEAT 认可它是很出色的欺诈证明。此外，我们所做的一切都是开源的。讨论和开发都是公开的，所有人都可以在 Discord 上看到我们在构建什么。所以大家可以相信我们是在做好事。这是三个很好的理由。

应用专用 Rollup 如何避免“吵闹邻居”问题？

Kevin 很棒。愿景和最终用户，也就是开发者，是一致的。再深入一点。刚才很有帮助，但纯粹从开发者角度看，假设我正在开发东西，我希望从这项技术本身获得什么价值？为什么我要采用基于 Linux 的 Rollup，而不是智能合约或其他方案？

João 这是个很好的问题。有两个主要理由，可以分开说，先说 A，再说 B。在 Cartesi，使用我们的 Rollups 框架，你创建的是应用专用 Rollup。也就是说，每个运行节点、希望执行某个应用的人，专门运行这个应用。当然，我们正在开发让一个节点运行多个应用的机制，但核心思想不变：你只托管你想运行的应用，不会浪费资源执行其他应用，也能避免应用相互抢占资源。在共享 Rollup 中，所有应用一起在节点上执行，一个应用消耗的资源也是其他应用需要的。如果它收到非常多请求和输入，其他应用就会缺少算力。我们相当于给每个应用一整颗 CPU。因此，一个应用不会因为另一个应用而出问题。每个应用独立运行。第二个理由是 Linux 本身。不过只说 Linux，人们似乎不明白它带来哪些优势。优势很多。几乎所有为计算机开发的东西，都是先为 Linux 开发。某些游戏可能不是，但游戏使用的服务、服务器、后端，大概率运行在 Linux 上。银行软件、社交网络，存储数据并运行处理逻辑的服务器，都在 Linux 上运行。机器学习库、游戏库、数学库，都是先为 Linux 开发的。这意味着过去开发的东西可以复用，你不再局限于 Solidity 的库。可以用 Python、JavaScript、Rust、Go 或其他语言的库。按你喜欢的方式，用你喜欢的语言写代码。这带来了向后兼容，因为已有的东西能用，也带来了向前兼容，因为未来的东西也会先为 Linux 开发。这很棒。我想基本说清楚了。

与 RISC-V 运行时相比，Linux 还能带来什么？

Kevin 很好。为了确认我完全理解了：应用链通常能解决所谓的“吵闹邻居”问题，对吧？你和其他独立项目隔离，不会受到它们的 CPU 使用或执行任务的影响。这是第一个优势。第二个是，我不需要学习新编程语言，因为可以利用 Linux 生态和 Python 等通用语言。相比之下，其他很多应用链往往使用领域专用语言。

João 没错。再补充一个刚才忘了提、但挺重要的点。我们创建了 RISC-V 模拟器，并在上面运行 Linux。理论上，也可以直接把语言编译成 RISC-V 并执行。但那样就和其他一些协议一样了。借用 C 语言的说法，就是在独立环境中运行，只提供运行语言所必需的最低限度功能。这样会失去文件系统、某些标准库等资源，而这些资源让你能用不同方式处理信息。里面有一个操作系统，会带来更多灵活性和能力。

Cartesi 能运行可验证 AI 和 LLM 吗？

Kevin 这往往就是问题所在。项目说，你可以用 C++、C、Python 或其他语言，但实际限制很多。所以，如果真的能使用完整生态，确实很棒，从技术角度也令人印象深刻。你们网站上的一个用例是可验证 AI，这当然是热门话题。能解释一下吗？

João 当然。可验证 AI 很有意思，我们已经做了一段时间。不过我也觉得，人们对“AI”这个词的理解有点偏。当有人说 AI，大家想到 AI 智能体，立刻想到 LLM，因为 ChatGPT 引起了那么大的关注，后来还有 DeepSeek 等。但 AI 远不止这些。它从线性回归、KNN 等基本概念开始，有很多算法。我们先做了简单示例，使用了一些技术，因为一开始把库编译到 RISC-V 并不简单，现在可以了。最初我们做 KNN、线性回归，需要用一种机制，是我的朋友 Marcos 做的，向他致意，叫作[将模型转换为代码的工具，名称不清楚]。基本上就是把机器学习模型转换成直接的 Python 代码，效果很好。后来我们成功把 PyTorch 和 scikit-learn 等机器学习库交叉编译到我们的机器上。因此，可以在我们机器的 RISC-V 和 Linux 环境中完整使用这些库。这很酷。不过，LLM 等很多模型需要大量资源，要验证它们，你需要非常强大的计算机，或者 GPU。GPU 又有非确定性的问题，所以需要一些变通方法。一开始 LLM 看起来非常复杂，但我们在推进，也取得了很好的进展。在内部开发者和贡献者黑客松中，Eduardo 这个很厉害的开发者找到了一个办法：在 Cartesi Machine 中执行程序，但把复杂计算，也就是 LLM 使用的矩阵乘法，委托给宿主机。这样不是只使用一颗 CPU，而是一颗 CPU 负责模拟部分，确定性计算可以交给宿主机。这很厉害。我们大幅提升了处理能力，现在可以开始确定性地运行 LLM。我们还在研究如何继续推进。

哪些 DeFi 和链上游戏需要这些算力？

Kevin 在技术前沿开发，往往大部分工作就是研究，这是其中的一部分。我好奇你们还在探索哪些用例。通用意味着可以做很多事情，对吧？肯定也有一些事情不应该做，或者做不了。这也很有意思。

João 你指的是机器学习领域中的一般用例，还是整体上的用例？

Kevin 你个人最感兴趣的。

João 我觉得不能不提 DeFi，毕竟这是我们所在的领域。有个方案我很喜欢，叫 DCA.Monster。它做的是定投策略，也就是 dollar-cost averaging，但粒度非常小。你使用代币的最小单位，比如 10 的 18 次方之类，然后以非常小的批量兑换资产。你可以说，我想把这个代币换成美元或 USDT，但在一个月内完成。因此，这个月的每一秒都会兑换那一小部分。这很酷。如果没有一台能轻松进行这种粒度计算的机器，就做不到。所以它基本上是一个运作得很好的自动做市商。这个方案很有意思。当然，我有点技术宅，很喜欢游戏。我总会提到两个游戏方案。一个叫 RIVES，网站是 rives.io。这是一个链上的自定义游戏机，人们可以创建、出售并确定性地运行游戏。最初运行的是 Doom。玩家可以玩 Doom，把游戏日志，也就是发送给游戏的每条指令，提交到区块链，游戏过程就可以被验证。这很适合速通、比赛和锦标赛。另一个刚推出不久，叫 World Tycoon。你记得 SimCity 吗？当然。我们做了链上的 SimCity。刚完成这个资助项目，我正在评估、做代码审查。它就是链上的 SimCity。你先存入资产，如果你的城市能赚钱，就能获得其他人为了建城而存入的资产，前提是他们失败了。SimCity 中这种代币互动很有趣。

开发者何时应该用 Solidity 而不是 Cartesi？

Kevin 很喜欢。GameFi 一直是区块链和加密领域的重要话题。有没有什么事情，你觉得 Cartesi 不是特别适合，或者不是理想选择？

João 很好的问题。如果孤立地看应用，我看不出为什么人们不想使用它。但我不认为大家应该只是为了开发而使用 Cartesi。如果你不需要额外的处理能力，或者不需要特定库来运行软件、实现想法，那么也许应该继续用 Solidity。Cartesi 不是为了让你说：“我能用 Solidity 做这个，但更喜欢 JavaScript，所以就用 Cartesi 写。”这不是原本的目的。当然，你可以这样做，任何人都能按自己的方式使用。但如果用 Solidity 更简单，有时候就直接用它，没问题。

Kevin 所以更多的是教育开发者：如果你想做一个常见的 Solidity 智能合约，做大家一直在做的事情，就遵循最佳实践，不必用 Python 重新造轮子。

João 没错。Cartesi 使用 Linux 和这些库，整个目的就是不重新造轮子。不要尝试在 Solidity 中重新实现非常复杂的机器学习库。直接用已有的东西，使用能让你做到这一点的 Rollup。反过来也一样，普通代币创建已经有很好用的方案，不要在 Cartesi 上完全重做。不同工具应该[不清楚]协同，而不是彼此竞争。发挥每个工具最适合的用途。

开发者做了哪些不寻常的游戏？

Kevin 喜欢。我们已经聊了一些有趣、有用的用例。你有没有在社区里看到很疯狂或特别好玩的东西，让你觉得“不确定有没有用，但很有意思”？

João 不好意思，你具体指什么？

Kevin 你知道有人在你们平台上开发过疯狂的方案或用例吗？还是目前都是有用的东西？

João 不，有一些疯狂又好玩的东西。有一个我很喜欢，我觉得已经不在主网上了，也可能还在。那是一个表情包对战游戏。人们可以押注某个表情包，比如[角色名称不清楚]对 Sonic。模拟两者打架，能看到它们战斗，也能押注自己喜欢的角色。有点疯狂，由 AI 自动运行，像是一种零玩家游戏，非常好玩。还有一个特别离谱，我觉得还在运行，叫 Bubble Wars。你投入资产，然后根据存入的代币数量变成一个泡泡。使用链上物理来移动泡泡，把它推向某个方向。如果碰到另一个泡泡，就会拿走那个人的资产。[不清楚]。你会增长，泡泡也变大。这非常离谱，但真的好玩。

Kevin 哇，听起来很痛苦。想象一下，你已经收集了那么多，然后遇到那些大泡泡，就像那个游戏，我觉得叫[游戏名称不清楚]，原来的游戏叫什么？[关于游戏名称的简短交流不清楚]。太疯狂了。我能想象，如果宣传得当，它可能会火起来，因为它可以病毒式传播。挺有趣的。

欺诈证明设计为什么困难？

Kevin 我不确定，听起来你参与过，但你在基础设施开发中参与得有多深入？能分享初期开发的一些核心经验吗？当时的主要挑战是什么，现在又有哪些挑战，比如让它更可验证？

João 我不是从 Cartesi 一开始就在的。Cartesi 的想法应该是在 2018 年形成的，那时写了第一份白皮书。我大约两年前才加入。不过，从我现在学到的东西，以及看到团队正在做、正在解决的事情来看，欺诈证明的开发非常精细，也很美。它是如何设计、提出的。设计一个欺诈证明算法时，有很多小细节要考虑，比如链的活性，参与需要多少成本，要质押多少才能参与。所有这些一起决定，最后形成算法。这很厉害。最初我们有一个叫 PRT 的欺诈证明，很快会发布一个实用版本，同时已经有 Dave 的论文，它是改进版。看到每种欺诈证明中的困难和痛点，以及我们如何逐个解决，特别有意思。Gabriel Coutinho 负责这些算法的开发，在构思过程中给我解释。我总是惊讶：每次遇到障碍，这些聪明的人都能突破。他会告诉我会议怎么进行：“Augusto，我刚发现一个 bug，这行不通。”Cartesi 的创始人之一 Augusto 会说：“我需要一点时间想想。”然后走到白板前画一些东西，想出方案。这很棒。我觉得这是最精细、最难的部分。

应用链的局限和模块化的价值是什么？

Kevin 很喜欢。密码学，如果我能把它念对的话，一直是很有挑战的主题。很高兴看到你们有好的团队合作方式。最后一个问题：你在这个项目中得到的三个关键启发是什么，或者想对准备了解、使用 Cartesi 的开发者说些什么？

João 关键启发是：没有万能方案。没有一个协议或技术栈能够做所有事情，大家都有局限。Cartesi 也有局限，即使运行 Linux，能做 Web2 中能做的事情，你仍然需要绕过一些问题。例如，希望 Rollup 之间互操作，就要仔细考虑。因此我们开发了其他方案，比如协处理器，提供不同的好处。它不提供 Rollup 机制，而是一个快速最终性的协处理器方案。这很好。所以第一点，没有万能方案。第二点，试图重新造轮子的人容易陷入陷阱。他们花很长时间做新东西，不用已有的工具，反而错过做真正有意义的事情的机会。第三点，协议应该协作，这最重要。我们与[名称不清楚]合作开发协处理器，也与 Espresso 和 Avail 合作。当两个在某些领域很擅长、很专业的团队融合知识，就能创造更好的东西。例如看我们的 Espresso 集成，可以把我们的执行环境与他们的数据可用性和排序结合，创造与以往不同的东西。因此，从每个方案中选最适合的部分，构建适合自己的完整方案。协作应该成为整个生态的座右铭。

Kevin 很喜欢。这就是 Web3 的精神。正如大家常说的，核心是社区，以及开发人们真正想要的东西。没错。太好了。

开发者如何开始使用 Cartesi？

Kevin 还有最后想说的话吗？看完这次访谈后，大家应该做什么？

João 最近有人反馈说，我们的文档很好。所以试试 Cartesi，做实验，玩一玩。加入我们的社区。即使不想写代码，也可以进来看看正在开发什么、准备什么，了解更多。如果想聊聊或有问题，可以在 Discord 或 Twitter 上联系我，我都在。回头见。

Kevin 很好。我一定会把链接放在视频简介中。再次感谢你的配合和时间。和你聊天很愉快，有很多新东西我还想深入了解。最后对所有开发者和非技术人士说一句：好的文档太被低估了。这方面你们做得很棒。

João 完全正确。

Kevin 谢谢，很高兴和你聊天。祝你今天接下来的时间愉快。

João 回头见。回头见。

Kevin Wavect，理解你需求的 Web3 软件公司。