播客文字稿

Cartesi Linux 应用链:何时值得使用

João Garcia Cartesi 开发者倡导者

dApp 何时需要独立的 Linux 执行环境?Cartesi 开发者倡导者 João Garcia 解释应用专用 Rollup 如何隔离计算、复用 Python 等成熟软件库,以及支持可验证 AI 和游戏。他也说明普通 Solidity 合约何时更简单。这段对话发布于 2025 年 5 月;研究原型和发布计划是 Garcia 在访谈中描述的内容。

  • 发布于 2025年5月16日
  • 时长 27:25
  • 操盘手
  • 录制语言 英语
播客单集《Cartesi Linux 应用链:何时值得使用》,嘉宾 João Garcia(Cartesi 开发者倡导者)
// 速读版
  • 在 03:12,João Garcia 解释,应用专用 Rollup 让托管节点的人只运行自己选择托管的应用。专用执行资源减少了与其他应用的竞争,即“吵闹邻居”问题,但并不消除所有基础设施瓶颈。
  • 在 07:05,Garcia 区分了启动 Linux 与仅将语言编译到 RISC-V。完整操作系统带来文件系统和标准库,让开发者复用更多已有软件。Cartesi Machine 文档介绍了执行环境。
  • 在 08:36,Garcia 区分可验证机器学习与 LLM。他谈到回归、KNN 示例、交叉编译 PyTorch 和 scikit-learn,以及确定性 LLM 执行实验。这是研究进展,不是生产性能基准。
  • 在 15:29,Garcia 建议,不需要额外算力或特定库的应用继续使用 Solidity。他反对仅因为偏好另一种语言,就在 Cartesi 中重写普通代币合约。
  • 在 23:20,Garcia 表示没有万能方案。Rollup 之间的互操作仍需仔细设计,协处理器提供的优势也不同于 Rollup。他建议组合互补协议并复用现有工具。Dave 研究论文解释了欺诈证明的设计和假设。

为什么选择 Cartesi Linux 应用链?

观看这一段 · 0:00

Kevin 0:00 大家好。今天我和 Cartesi 的开发者倡导者 João Garcia 聊聊。Cartesi 是一个基于 Linux 的应用链基础设施,你可以用它开发通过 Rollup 进行验证的专用应用。最棒的是,你基本上可以使用 Linux 上现有的任何通用库或编程语言。

Kevin 0:25 所以这期节目非常精彩,也有一点技术性。不过如果你急着想开发一个新项目,或者正在寻找好的基础设施,这期就是为你准备的。开发者应该选择你们的平台、你们的方案,主要有哪三个理由?

João 0:45 嗯,三个主要理由。我觉得第一个肯定是赋能。他们能做更多事情,能使用更多工具,对吧?所以他们能够创建与其他任何 Web3 项目都不同的应用。你可以使用不同的工具,比如任何能在 Linux 上运行的东西,都能在用 Cartesi 创建的 Rollup 上运行,对吧?

João 1:14 我觉得第二个是社区提供的出色支持。我们在 Discord 里为所有人把一切都准备好了。每位贡献者都活跃在那里。我们真的为每个人提供很好的支持。我觉得第三个,说实话,是保障和安全。

João 1:42 通过我们的工具,你可以使用最好的欺诈证明。我们刚开发了 Dave,L2BEAT 认为它是一个很出色的欺诈证明。除此之外,我们做的一切都是开源的。我们所有的讨论都是公开的。我们的开发也都是公开的。所以每个人都可以关注 Discord,了解我们在构建什么。

João 2:09 所以我觉得大家都可以相信,我们是在为了好的目的做好事。我觉得,我觉得这就是三个很好的理由。

应用专用 Rollup 如何避免“吵闹邻居”问题?

观看这一段 · 2:17

Kevin 2:18 太棒了,太棒了。所以愿景和最终用户是一致的,基本上也就是和开发者一致。嗯,再深入一点。嗯,我是说,刚才已经非常有帮助了,但纯粹从开发者的角度来看,假设我在开发呃某个东西。嗯,那我具体为什么,就是说,我希望从这项技术本身获得什么价值?

Kevin 2:46 就是说,为什么我想要这种这种呃基于 Linux 的呃 Rollup 方案,而不是用别的东西,比如智能合约,或者干脆用我原本会用的任何其他方案?

João 3:01 这确实是个很好的问题。我觉得你会想要它有两个主要原因,我们可以把它们分开。我先说 A 点,然后再说说 B 点。在 Cartesi,你用我们的 Rollups 框架做的,是创建一个应用专用 Rollup。这意味着每个托管节点、想要运行某个应用的人,运行的都专门是那个应用。

João 3:28 当然,我们正在开发一些机制,让你能在一个节点里运行不止一个应用。但核心理念还是一样的。你只托管你想托管的应用。所以你不会浪费资源去运行其他应用。同时,你也避免了应用之间互相抢夺资源、导致对方资源匮乏。

João 3:51 在共享 Rollup 中,所有应用一起在节点里运行,一个应用消耗的资源,也正是其他应用要用的资源。如果某个应用收到非常非常非常多的请求,收到大量输入,其他应用就会缺少算力。所以,在我们的情况下,我们最终做的,相当于给每个应用一整颗 CPU。

João 4:19 所以没有任何应用会,会因为另一个应用而出问题,对吧?每个应用都能正常工作,而且是独立的。第二个原因是 Linux 本身,我觉得这是个很好的理由。但当我们只说 Linux 的时候,人们似乎不太明白 Linux 带来了什么优势,对吧?

João 4:42 优势有很多,但只要你运行的是 Linux,几乎所有为计算机创造的东西都是先在 Linux 上做出来的。好吧,有些游戏可能不是,但无论你在运行什么服务,那个游戏运行的什么服务,它的服务器、后端很可能都运行在 Linux 上。无论是什么银行软件、什么社交网络,那些运行、托管数据、保存数据、承载处理逻辑的服务器,都运行在 Linux 上。

João 5:19 所以像机器学习库、游戏库、数学库这样的库,全都是先为 Linux 开发的。这意味着过去创造的一切都可以使用。所以你不再局限于 Solidity 所拥有的那些库。现在你可以使用 Python、JavaScript、Rust、Go 的库,任何你想用的语言,用你想要的方式写代码,当然也是用你想用的语言。

João 5:49 这带来了向后兼容,也就是已经创造出来的一切都能用;同时也带来了向前兼容,也就是将来创造的一切也都能用,因为所有东西都会先为 Linux 开发。对。我觉得这很棒。嗯,我觉得,我觉得差不多就是这些。

Kevin 6:10 很酷。为了确认我完全理解了,呃,基本上应用链总体上能解决所谓的“吵闹邻居”问题,对吧?你基本上和其他独立项目隔离开了,就像你自己提到的,基本上你不会受到它们的 CPU 使用,或者它们需要执行的任何任务的任何影响。

与 RISC-V 运行时相比,Linux 还能带来什么?

观看这一段 · 6:11

Kevin 6:39 这是第一个优势。第二个优势基本上就是,嗯,我也不需要学习一门新的编程语言之类的,因为我能利用 Linux 生态,利用 Python 之类的通用语言。嗯,相比之下,外面很多其他应用链往往使用这些领域专用语言。

João 7:02 是的,没错。我想补充一点我刚才忘了提、但我觉得还挺相关的东西,对吧?我们创建了这个 RISC-V 模拟器,并在上面放了 Linux。但重要的一点是,理论上我们可以直接在 RISC-V 上运行这些语言,就是直接把它们编译成 RISC-V 然后运行。

João 7:25 但这样的话,我们就会像其他一些这么做的协议一样。我们在这里会用 C 语言来运行,一种 freestanding(独立式)语言。也就是说,只有运行这门语言所需的最基本要素。但你会失去一些资源,比如文件系统,以及使用某些标准库的能力,而这些标准库能让你用不同方式处理信息。

João 7:49 所以在里面放一个操作系统,你会获得更多灵活性,能力也更强。

Kevin 7:56 我是说,这往往就是问题所在,对吧?当人们或项目说,嘿,你可以用 C++、C、Python 或者别的什么,但实际上限制非常多。

Cartesi 能运行可验证 AI 和 LLM 吗?

观看这一段 · 7:57

8:08 是的。

Kevin 8:09 对吧?所以如果你真的能使用所有这些,使用完整的生态,那确实是件很酷的事。从技术角度看,这其实也相当令人印象深刻。你们网站上的一个用例是可验证 AI,这当然是个热门话题,对吧?你介意介绍一下吗?

João 8:34 好的,当然。我觉得可验证 AI 是我们做了一段时间的、很不错的东西。但我也觉得,人们对 AI 这个词有点高估了,因为每当有人说 AI,大家都会想到 AI 智能体,然后立刻想到 LLM,对吧?因为 ChatGPT 引起了那么大的动静,然后是 DeepSeek,还有其他所有人,对吧?

João 8:59 [听不清] AI 本身远不止这些。AI 从最基本的概念开始,比如线性回归,比如 KNN。所以当我们想到 AI 时,会想到很多 AI 算法。所以我们从这些简单的示例开始,并且一开始用了一些技巧,因为最初把库编译到 RISC-V 并不那么简单,而现在已经变得简单了。

João 9:28 但我们一开始做的是 KNN、线性回归这类东西,而且必须使用一种机制。是我的一个朋友 Marcos 做的,向他致意,叫 m2cgen。基本上就是把机器学习模型直接转换成 Python 代码,效果很好。后来我们真正把 PyTorch 和 scikit-learn 这样的机器学习库交叉编译到了我们的机器上。

João 10:00 所以你实际上可以在 RISC-V 上、在 Linux 中、在我们的机器里完整地使用这些机器学习库。这是一些很酷的东西。不过遗憾的是,很多模型,比如 LLM,需要的资源量太大,要验证它们,你得有超级、超高级、终极的计算机,如果你愿意的话,或者你需要 GPU,对吧?

João 10:27 而 GPU 又有非确定性这一整套问题。所以从某种意义上说,你得在这方面想一些变通办法。我们,一开始 LLM 听起来是非常复杂的事情,但我们在努力推进。我觉得我们正在取得一些非常好的进展。在一次黑客松上,是我们和开发者、和贡献者一起办的内部黑客松,一个叫 Eduardo 的人,他是个非常厉害的开发者,他真的找到了一种方法:在 Cartesi Machine 里运行程序,但把复杂的计算,也就是 LLM 中用到的矩阵乘法,委托给宿主机。

João 11:15 所以不是只用一颗 CPU,你只用一颗 CPU 来处理模拟部分,但可以把确定性计算委托给宿主机,这有点疯狂,但我们基本上把处理能力提升了一大截。现在我们能够开始确定性地运行 LLM 了,这也非常棒。

João 11:36 嗯,我们我们正在研究这个,看看怎样能在这方面取得进展。

哪些 DeFi 和链上游戏用例需要这些算力?

观看这一段 · 11:41

Kevin 11:42 是啊,我是说,呃,在技术最前沿做开发,呃,大部分时候都是研究,对吧?这本来就是其中的一部分。话虽如此,我很好奇,你们目前还在探索哪些其他用例?因为通用基本上意味着你能做很多事情,对吧?而且我很确定,在某种意义上,也有一些事情可能是你不应该做或者做不了的。

Kevin 12:08 所以这也会很有意思。

João 12:09 那么嗯,我想,我是说,你指的是机器学习里的一般用例,还是整体上的一般用例?

Kevin 12:18 好,就说你个人最感兴趣的。

João 12:20 我觉得我们不能不提呃 DeFi。当然,毕竟这是我们所在的世界,对吧?有一个方案我觉得真的非常酷,叫 DCA Monster。它做的是 cost dollar averaging(定投)投资策略,但它以最小粒度来做。

João 12:44 也就是说,你取一个代币拥有的最小粒度,大概是 10 的 18 次方之类的,然后你换,你你开始以非常非常非常非常非常小的批次兑换资产。所以你基本上可以说,我想把这一个代币换成美元或者 USDT,对吧?但我想在一个月内完成。

João 13:14 所以在那一个月里的每一秒,你都会兑换那个粒度的一部分,这真的很酷。而如果你没有一台能够以这种程度、这么轻松地完成这些计算的机器,你就没法用别的方式做到,对吧?所以它本质上是一个运作得很不错的自动做市商。

João 13:34 所以这是一个我觉得真的很有意思的方案。当然,呃,作为一个有点技术宅的人,我真的很爱游戏。我们有两个游戏方案,我总是喜欢提一下。其中一个叫 RIVES。网站是 RIVES.io,它是一个,它是一个链上的定制游戏机,人们可以在上面创建游戏、出售游戏,并以确定性的方式玩这些游戏。

João 14:02 它最初运行的是 Doom。所以人们可以玩 Doom,把他们的游戏过程日志发送出去,也就是他们发给游戏、发到区块链上的每一条指令,然后他们的游戏过程就会被验证。这对于,嗯,比如说速通、呃比赛、锦标赛来说非常酷,这,这非常好。

João 14:24 然后,嗯,还有一个最近刚上线的,叫 World Tycoon。你还记得 SimCity 吗?

Kevin 14:32 嗯,当然。

João 14:33 对。所以我们在那里把 SimCity 搬到了链上。我们刚完成这个资助项目。其实我现在正在评估它,做一些代码审查。但它就是链上的 SimCity。你先存入你的资产。如果你能开始用你的城市赚钱,你就能拿到其他人为了建自己的城市而存入的资产,前提是他们失败了。

João 15:00 所以 SimCity 里有这一整套围绕代币的玩法,结果挺好玩的。

开发者何时应该用 Solidity 而不是 Cartesi?

观看这一段 · 15:05

Kevin 15:05 喜欢,很酷。我是说,GameFi 一直是个大话题,是区块链和整个加密领域的重要组成部分。有没有一些事情,你觉得 Cartesi 不是特别适合,比如说不太理想?

João 15:28 这确实是个很好的问题。所以,如果我们孤立地看应用,我觉得我看不出人们为什么不想用它,但我不觉得人们就应该用 Cartesi 来做开发。所以如果你不需要这种处理能力,如果你不需要,嗯,特定的,如果你不需要特定的库来运行,来运行你的软件、实现你的构想,那也许你就应该继续用 Solidity,对吧?

João 16:09 所以 Cartesi 不是为了让你说:嘿,这个我能用 Solidity 做,但我更想用 JavaScript 做,所以我就用 Cartesi 来写。这不是它本来的用意。当然你可以这么做,任何人都可以按自己的意愿使用这个应用。但我觉得,如果某件事用 Solidity 更简单,有时候你直接用它就行。

João 16:29 这没什么问题。

Kevin 16:31 好的。所以,所以基本上更多是教育开发者,确保如果你想构建一个这种标准的 Solidity 智能合约,或者某种一直有人在做的东西,就遵循那里的最佳实践,而不是用 Python 去重新发明轮子。

João 16:50 是的,没错。我是说,因为 Cartesi 使用 Linux、使用所有这些库,整个理念就是不要重新发明轮子,对吧?不要试图在 Solidity 里重新创建极其复杂的库,比如你提到的机器学习库。直接用你已有的东西。所以用那个能让你做到这一点的 Rollup。

João 17:11 不要试图重新发明轮子。反过来也一样,对吧?对于普通的代币创建,我们已经有一些非常好用的东西了。所以也不要试图重新发明轮子,在 Cartesi 上把它完整地重做一遍。我是说,这些东西本来就应该一起运行,而不是彼此竞争。

João 17:32 所以各自用在最合适的场景。

开发者做了哪些不寻常的游戏?

观看这一段 · 17:33

Kevin 17:34 我喜欢。我们已经聊了一些有趣或有用的用例。你有没有在你们社区里发现或看到什么疯狂的、特别好玩的用例,让你觉得,好吧,我我不确定它有没有用,但它它很有意思?

João 17:56 不好意思,你再说一下是什么意思?

Kevin 17:58 就是说,你知道有人在你们你们平台上构建过什么疯狂的方案、用例吗?还是到目前为止都只是有用的东西?

João 18:10 噢,不不不。有一些很疯狂、很好玩的东西。有一个,我很喜欢这个。我觉得它已经不在,我我觉得它已经不在主网上了,但它当时,呃,也可能还在。那是一个表情包对战。人们要做的就是押注一个表情包。

João 18:35 所以我们会有比如 Shaquille O’Neal 对 Sonic,然后你会模拟它们俩的一场打斗,你真的能看到它们互相战斗,人们可以押注自己最喜欢的斗士。呃,所以这有点疯狂,而且它是由 AI 自动运行的,所以有点像一个零玩家游戏。

João 18:55 那真的很好笑。还有一个特别离谱,我觉得它实际上还在运行。它叫 Bubble Wars,你在里面投入一些资产,然后根据你存入应用的代币数量变成一个泡泡,对吧?然后你用链上物理来移动你的泡泡。

João 19:14 就是把它推向某个方向,如果它碰到另一个泡泡,就会偷走那个人的资产。

19:21 那个游戏。哇。我当时,

João 19:23 然后你会变大,你的泡泡体积也会变大。所以它真的很离谱,但真的很好玩。

Kevin 19:29 哇,听起来超级痛苦。想象一下,嗯,要么你你已经收集了那么多,然后然后遇到一些大的母泡泡,就像你在,我觉得那个游戏叫 Agar.io,或者说原版游戏叫什么名字来着?

19:48 对,就像 Hole.io,[听不清]。

Kevin 19:50 对,太疯狂了。好吧,这确实是我能想象会火起来的一个,呃,如果营销得当的话,对吧?因为我是说,它可能会病毒式传播。那那很好玩。很酷。嗯,就是我不确定,听起来像是,但你在实际的基础设施,呃,本身,也就是基础设施工作上,参与得有多深?

欺诈证明设计为什么困难?

观看这一段 · 20:06

Kevin 20:17 呃,你能分享一些你在初期开发中得到的核心经验吗,对吧?比如有哪些核心挑战,当时有哪些、或者现在有哪些核心挑战,来让它,比如说,更可验证之类的?

João 20:35 我并不是一开始就在 Cartesi 的,因为 Cartesi 是,Cartesi 的想法,我想是 2018 年开始的。那时写出了第一份白皮书,对吧?而我大概两年前才加入。

20:51 好的。

João 20:51 但从我现在学到的东西,从我看到正在发生的事情,以及团队正在为之努力、为之苦战的事情来看,我觉得欺诈证明的创建是一件非常精细的事,看到它被创造、被提出的方式也非常美。我觉得在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,你需要多少成本才能参与,你需要质押多少才能参与欺诈证明。

João 21:34 所有这些东西一起被决定下来,直到算法最终成形。这太疯狂了。所以一开始我们有一个叫 PRT 的欺诈证明。我们很快就会推出它的一个实用版本。而且我们已经有了 Dave 的论文,它就像是一个改进版。但看到我们在每种欺诈证明中遇到的困难和痛点,以及我们如何必须逐一解决它们,真的非常有意思。

João 22:03 Gabriel Coutinho 负责这些欺诈证明算法的开发,在构思它们的过程中,他一直在给我讲解。我一直都非常震惊,因为每一次他们都会撞墙,但这些天才的头脑实际上都能打破那些墙,对吧?他会跟我讲会议是怎么进行的。

João 22:26 比如:嘿,Augusto,我刚发现了一个 bug,这行不通。然后 Augusto,他是 Cartesi 的创始人之一,会说:好,我需要一点时间想想,然后走到白板前,画一些东西,想出一个解决方案。这真的太棒了。不过,嗯,我觉得那是最精细的部分。

应用链的局限和模块化的价值是什么?

观看这一段 · 22:42

Kevin 22:43 喜欢,喜欢。我是说,密码学,如果我能念对的话,一直是个超级有挑战性的话题,对吧?所以我很高兴看到你们公司里也有一些很棒的团队互动。那么,嗯,我还有最后一个问题想问你。有哪三个关键要点,可以是你自己在这个项目工作中得到的,也可以是你想告诉开发者、让他们加入或使用 Cartesi 的?

João 23:18 好的。关键要点,我觉得没有万能的银弹。没有哪一个协议或者哪一套技术栈能做所有事情。所以每个都有它的局限。即使即使你看看我们,呃,在设计我们的方案时,Cartesi 也有它的局限,对吧?

João 23:43 即使你运行的是 Linux,可以做你在 Web2 里能做的所有事情,你还是得绕开一些东西,为了,为了,比如说,如果你想在 Rollup 之间实现某种程度的互操作,你就得好好想想。所以这就是为什么我们最终创建了其他方案,比如协处理器,它,嗯,不,它带来的是其他好处。

João 24:06 它不提供 Rollup 机制,而是一个快速最终性的协处理器方案,这真的很好。所以我觉得第一点是没有银弹。我觉得第二点是,试图重新发明轮子的人最终会掉进陷阱,他们花了那么长时间试图创造新东西,而不是直接用现有的东西,结果失去了做真正有意义的事情的机会,对吧?

João 24:43 第三点,我觉得是协议之间应该协作。我觉得这是最重要的。我们有一些很棒的合作,呃,和 EigenLayer 合作开发我们的协处理器,还有和 Espresso、和 Avail 的合作。把两个在某些方面非常优秀、非常专业的团队的知识融合起来,产生的方案,你能创造出更酷的东西,对吧?

João 25:15 所以比如你去看看我们和 Espresso 的集成,你会看到你将把我们的执行环境,和,和他们的数据可用性与排序结合起来,创造出和任何人以前见过的东西都很不一样的东西。所以从每个人那里挑选最好的部分,这样你就能做出完美的方案,由你来做,为你所用。

João 25:39 是的,我觉得我觉得协作应该是这件事的这个座右铭,应该是整个生态的精神。

Kevin 25:48 我喜欢。是啊,我是说,这就是 Web3 的精神,对吧?就像大家喜欢说的,一切都关乎社区,关乎打造人们真正想要的东西。

25:58 对,没错。

Kevin 26:00 太棒了。嘿,你还有什么最后想说的吗?大家看完这期之后应该做点什么?

开发者如何开始使用 Cartesi?

观看这一段 · 26:01

João 26:07 好的。最近我听说我们,我收到反馈说我们的文档非常好。所以去试试、做做实验、玩一玩 Cartesi。加入我们的社区。即使你不想写代码,也可以加入进来,看看那里正在做什么,正在酝酿什么,这样你就能多了解一点。

João 26:27 如果你,如果你想聊聊,如果你有任何疑问,就在 Discord 或 Twitter 上联系我。我都在。回头见。

Kevin 26:38 很酷。我一定也会把链接放到视频简介里。嗯,再次感谢你的灵活配合和你的时间。和你聊天真的很开心。有很多新东西,我也非常想进一步深入了解。最后还有一件事,对在场的所有开发者、所有非技术人员说:拥有出色的文档真的太被低估了。

Kevin 27:03 所以向你们致敬。很棒。

João 27:03 确实如此。

Kevin 27:04 说得好。嘿,谢谢你,兄弟。聊得很愉快。祝你今天接下来过得愉快。

João 27:13 回见。回见。

Kevin 27:13 Wavect,懂你所需的 Web3 软件公司。

文字稿由英语录音翻译而来,并为便于阅读略作编辑。以原始录音为准。 使用 Whisper large-v3 根据原始音频转录,并通过 AI 与原始自动字幕核对。听不清的内容用方括号标记;说话人标注和翻译仅供阅读参考。未进行完整的人工听校。原始录音为准,其中的陈述反映录制时的情况。 本期节目于 2025 年 5 月发布。产品计划、发布时间表(例如 PRT 实用版本“很快”推出)、关于 Dave 和 L2BEAT 评价的说法,以及 AI 和确定性 LLM 执行实验,均为嘉宾在访谈中的表述,不代表当前已验证的产品行为或生产环境保证。

本集回答的问题

在本次访谈中,João Garcia 将 Cartesi 描述为应用专用 Rollup 框架,使用运行 Linux 的 RISC-V 机器。应用逻辑在可复现的链下环境执行,欺诈证明为质疑错误计算提供机制。它的吸引力在于应用专用算力,以及熟悉的语言和软件库。
Garcia 解释,共享 Rollup 上不同应用会竞争执行资源。应用专用 Rollup 为一个应用提供自己的计算空间,其他应用的活动不会消耗相同的执行预算。这隔离了应用计算,但不保证结算、数据可用性或托管永远不会成为瓶颈。
Garcia 提到 Python、JavaScript、Rust、Go 等通用语言,以及 Linux 环境支持的软件库。他讨论了将 PyTorch 和 scikit-learn 交叉编译到 RISC-V。具体应用仍需检查兼容性和资源要求,并不意味着所有依赖都无需改动。
在 15:29,Garcia 建议,如果应用不需要额外计算或特定 Linux 库,就用 Solidity。普通代币合约是他的例子。他将 Cartesi 视为实现复杂工作负载的工具,而不是用另一种语言重写简单 Solidity 功能的理由。
不是。在这段对话中,可验证性指模型或计算的可复现执行,并不证明模型回答在事实上正确。Garcia 也区分小型机器学习任务与资源密集的 LLM,并在这期于 2025 年 5 月发布的访谈中将确定性 LLM 执行描述为实验。
Garcia 把它们视为不同工具。他说协处理器不提供 Rollup 机制,而是一种快速最终性的协处理器方案,带来的是另一类好处。他的建议是根据工作负载选择工具并考虑互操作,不要假设一个协议或技术栈能解决所有问题。

想把这种思路用到你的产品上?

我们做 MVP,也做兼职 CTO,服务那些宁可埋头交付、不想空谈的创始人。