Мой знакомый сегодня получил награду "Самый прибыльный канал в 2025" 🔥

Кому попало еë не дают. Чтобы получить такую награду, должны совпасть 3 фактора:
— 1300%+ прирост к депозиту за год
— 600+ публичных сделок
— открытая статистика

Что-то мне подсказывает, что и 2026 год будет за ним👇

https://t.iss.one/+u0EIhde_iGU5ODUy

#реклама

📟 Прилетело из @hidden_coding

Tempo: $500М от Paradigm

Tempo - очередной L1 блокчейн c $500М от Paradigm (скорее карманный проект Paradigm).

Думаю, стоит отработать проект на антифомо! У него 99% будет свой нативный токен и было б хорошо получить дроп или хотя б гарант/бонус/преимущество в сейле.

Что делаем?
> В кране берём токены
> Симуляция выплат комиссий за ликвидность
> Набивание свапов
> Предоставление ликвидности
> Делаем обычные трансферы
> Базовый Onchain GM
> Забираем Warden NFT

Мы выполняем основные действия, которые указаны у них в документации, поэтому изобретать велосипед не приходиться.

Недавно была найдена страница Mainnet Explorer проекта, которая пока под паролем. Видимо выход майнета не так уж и далёк. Поэтому не затягиваем.

Чат | Support | Market
Pelican | HiddenCode [EN]

📟 Прилетело из @hidden_coding

Tempo: $500М от Paradigm

Tempo - очередной L1 блокчейн c $500М от Paradigm (скорее карманный проект Paradigm).

Думаю, стоит отработать проект на антифомо! У него 99% будет свой нативный токен и было б хорошо получить дроп или хотя б гарант/бонус/преимущество в сейле.

Что делаем?
> В кране берём токены
> Симуляция выплат комиссий за ликвидность
> Набивание свапов
> Предоставление ликвидности
> Делаем обычные трансферы
> Базовый Onchain GM
> Забираем Warden NFT

Мы выполняем основные действия, которые указаны у них в документации, поэтому изобретать велосипед не приходиться.

Недавно была найдена страница Mainnet Explorer проекта, которая пока под паролем. Видимо выход майнета не так уж и далёк. Поэтому не затягиваем.

Чат | Support | Market
Pelican | HiddenCode [EN]

📟 Прилетело из @hidden_coding

Деанон ортомича😱

Подписчики, всем привет! Сразу к сути

Давно, даже слишком давно, я себя ловлю на мысли что этот блог является скорее моим утяжелителем, нежели чем то прикольным и крутым. Я его то стесняюсь, то не знаю что постить, то ограничиваю себя форматом и тд. Из за этого оч сложно что то писать и делиться, тк любые рамки (искусственные тоже) всегда мешают творчеству

Канал этот был создан когда мне было 17 лет, создан он бы с целью делиться тем, чем я занимаюсь и для публикации собственных конспектов (статей). В итоге это все стало абузой, особенно это подогрел тот некий «успех» который я смог заиметь в моменте от нескольких достаточно популярных в узких кругах статей (они рил были классные). Хоть это и было круто, принесло результаты и несомненно повлияло на мою жизнь, время идти дальше, тем более что с тех времен, очевидно, поменялось много чего, и в первую очередь я, а вот блог будто бы застыл в том старом образе…

Я хоть и люблю писать статьи, но делать это каждым постом, как я это себе видел (и видел себя в этом) - такое себе на самом деле занятие, а форматы разные пробовать хочется, оттуда и мои потуги в создании журнала, других каналов (их оч много и все они Ortomich-related) ютуба и тд, хотя стоило просто это публиковать тут и не париться

Поэтому сегодня день некоторого раскаяния, хочу сбросить оковы прошлого и начать постить что хочется, не сковывая себя разными «но». Хочется сделать этот блог все же снова про меня, а не про выдуманного у меня в голове ортомича, которая может писать исключительно душниловские (хоть и прикольные) статьи

Ну и я стал меньше стесняться себя, взросление вещь такая, поэтому вотоня

Ps это не означает что я перестану постить душные статьи, просто в плане коммуникации с вами, мои дорогие подписчики, это, я считаю, важный пост, чтобы вы понимали изменения, которые тут потенциально будут происходить, хотя по последним постам сдвиг уже можно было заметить…

📟 Прилетело из @ortomich_main

"Не тупи, просто следи за китами или инфлюенсерами" - почему это плохая стратегия? Или почему я не советую вкладываться / повторять за собой.

Я сам через это проходил.
Здесь расскажу о своём опыте копирования за другими, и как действую уже года 3.

Помню в 2021 году подписывался на разные трейдинговые каналы и источники, где описывались активности.

На торговлю средств было немного, поэтому и не участвовал особо: просто следил.
Но вот в плане аэрдропов - было дело!

Представьте ситуацию:

Открываю я Galxe (сайт с квестами), и начинаю проходить задания.

А ведь в некоторых из них было по 50 действий с 30 лайками и ретвитами. Да ещё и требовалось процитировать двух друзей иногда. В какой-то момент понимаешь, что работаешь SMM-щиком-спамером за обещание 🙂.

В общем, времени на это уходило куча.
А в итоге за это получил мало, если вообще что получил.

Основной источник прибыли был совсем в ином направлении аэрдропов.

То есть даже здесь я потерял зря время, повторюшничая 🙂.

Что уж говорить о торговле:

1. Когда вам советуют, могут рекламировать свои просевшие портфели.

А то и вовсе советовать токен тех, кто автору заплатил.

И я не говорю уже про всякие мошеннические схемы. Например, человек покупает опубликованный токен, а его после роста продают. Поскольку люди покупают последними, теряют.

2. Автор, каким бы он профессионалом не был, не может знать рыночную ситуацию.
Допустим, ему нравится $TAO. Он видит перспективу проекта: ИИ актуален, это основа многого в этой сфере, …
Но BTC падает из-за какой-то очень негативной новости (вспомните Ковид в марте 2020 и крах Ftx в 2022) и цена токена рушится вслед за Биткоином.

Результат: читатель разочарован, так как он получил существенный убыток.

Да: проект может существовать. И вполне реален рост в 2-5-10 раз от падения. Но не факт, что это покроет убыток из-за такого паник-сейла.

И конечно не забываем про то, что ситуации бывают разными. Например, какой-то классный проект теряет спрос на свой функционал = падает = пользователи уходят. А на момент аналитики это может быть перспективным.


И напоследок про DeFi.

Это ещё одна категория авторов / китов, за которыми повторяют.

Тут нельзя вестись на большие APY и APR: чем больше доходность, тем больше рисков. Например, волатильность (для не стейблов или слабый алгоритм стейблкоина).


Почему я объединяю авторов и китов в одну группу?

Всё просто:
1. Когда вы следите за авторами каналов, копируете действия на основе их слов.

2. Когда повторяете за китами, смотрите их портфолио с их доходностями и действиями.

Допустим, видите вы APY 40% на стейбл-пару у кита. Вкладываетесь.
А для него это 0.1% от портфеля, которые он вложил в сверх рисковый AMM dex в непонятной сети.


Как я действую:

Не читаю советов.
- В случае дропов соизмеряю время и возможный доход. Всегда надо понимать, что могут дать < 100 $.

- В случае покупки и инвестиций вовсе сам анализирую проекты, смотрю на разное без следования. И главное: диверсифицирую (иначе можно профукать существенную часть баланса из-за взлома нейронкой старого протокола).


Почему я не даю советов по инвестированию в токены или проекты?

Причины описал выше. Человеческий фактор всегда присутствует: лучше, если вы сами изучите результаты моей аналитики или даже сделаете свой, после чего примете решение об участии.


А вы повторяли за китами / инфлюенсерами при инвестировании? Если да, каковы были результаты? Давно ли занимались копированием действий?

😎 Незрячий web3 программист (подписаться)
Чат | бот

📟 Прилетело из @blind_dev

Начинаю бета-тест моего проекта

Если вы помните, в прошлом году я активно занимался сбором аудиторских отчетов, извлечением из них описаний уязвимостей и формированием базы данных для работы с нейронными сетями. На днях эта работа была завершена, и я перехожу к этапу закрытого бета-тестирования. В связи с этим хотел бы обратиться к вам с просьбой помочь в «прогоне» системы.

Сначала я вкратце расскажу о проекте, а в конце дам инвайты для регистрации и поясню, что именно нужно проверить.

HornetMCP — это MCP/API-сервер, который реализует поиск уязвимостей, схожих с запросом пользователя. Однако, в отличие от стандартных API (таких, как Solodit), работающих на основе ключевых слов и тегов, здесь используется векторное сходство данных.

Как это работает на практике?

1. Пользователь отправляет в базу данных запрос, содержащий пример функции и контекст — что она делает, за что отвечает, что нужно проверить и т.д.

2. Запрос преобразуется в эмбеддинги — то есть переводится в векторное пространство.

3. Полученные векторы сравниваются с векторами (эмбеддингами), хранящимися в базе данных.

4. Система выбирает 5–10 наиболее похожих векторов и возвращает пользователю соответствующие отчеты, из которых эти векторы были получены.

5. В случае использования через MCP (например, с Claude) нейросеть самостоятельно проводит дальнейший анализ функции и выдает результат. При работе через API пользователь получает непосредственно отчеты. Также доступно тестовое чат-окно для разового запроса, который анализирует найденные отчеты (промт пока в доработке). Кроме того, чат использует бесплатную модель DeepSeek R1T2 Chimera - поэтому работа чуть медленнее обычного чата и немного хуже ответы, чем в Claude или ChatGPT.

Здесь важно сразу уточнить, чтобы избежать недопонимания: это не анализатор кода. Система не проводит анализ и не формирует уязвимости автоматически. Если вы передадите ей функцию, она вернет только похожие отчеты, в которых могли встречаться аналогичные паттерны.

Почему я решил создать этот проект? Было несколько причин. Во-первых, я хотел глубже погрузиться в работу с нейросетями и RAG. Во-вторых, в ходе аудита смарт-контрактов я регулярно сталкивался с вопросами вроде: «Были ли уже подобные уязвимости?», «Не упускаю ли я важный паттерн?», «Есть ли скрытые проблемы?» — иными словами, мне хотелось получать больше идей и гипотез для проверки. Solodit, например, предлагает хороший фильтр, но он работает по ключевым словам и тегам. Вставить функцию и получить релевантные отчеты на основе семантики там нельзя. А векторный поиск как раз решает эту задачу.

Сейчас я ищу участников канала, которые в своей работе используют нейросети и MCP-серверы — для разработки контрактов или для аудита. Необходимо протестировать работу проекта, его стабильность и качество векторного поиска отчетов. В идеале — если вы будете использовать проект вместе с Claude или другой LLM, поддерживающей MCP: это обеспечит максимальную эффективность.

Для регистрации потребуется подтверждение email (я параллельно тестирую сервис Resend для отправки писем). Также нужно будет сформировать APIKey для отправки запросов через MCP/API.

Сайт проекта — https://hornetmcp.com/

Инвайт — solidityset

Количество инвайтов ограничено 10 регистрациями — проект находится в стадии беты, и я понимаю, что не так много участников канала активно используют MCP-серверы.

Все комментарии и замечания можно направлять в группу под этим постом.

Спасибо всем, кто примет участие в тестировании!

#hornetmcp

📟 Прилетело из @solidityset

Рассказал
• как устроены AI агенты
• как с ними норм прогать
• как работать с контекстом
• как прогать тг голосовухами

🔗 habr.com/ru/articles/987382/

посмотрим, насколько аудитория habr консерватина

В конце статьи бахнул опрос про любимый агент, результаты пока ожидаемы.

📟 Прилетело из @danokhlopkov

Вайб статистика @blockwallbot

Дал DATABASE_URL Клоду и сказал — посчитай там продуктовые метрики по боту какие считаешь важными.

В конце он предложил: а хочешь я видео сделаю?

И тут я ошалел. Но потом вспомнил, что сегодня увидел твит от remotion и добавил их скил. Слежу за ними уже давно.

Через 7 минут мне присылается файл. Смотрим:

📟 Прилетело из @danokhlopkov

Еще инвайты

Добавил еще 10 инвайтов для теста моего проекта. Если кто хотел, но не успел - это ваш шанс!

Инвайт тот же - solidityset

Буду рад отзывам!

#hornetmcp

📟 Прилетело из @solidityset

Этот подход аналитики спас меня от излишней веры в один проект.

Ниже — как я оцениваю проекты по системе 4К+ и почему в этом случае это помогло избежать лишних потерь.

В прошлом году проводил трансляцию с обзором Lighter.
Если кто не помнит - это perp и спот dex на базе zk роллапа Ethereum (сеть второго уровня).

Я там поставил оценку 15 из 25. В основном из-за разделов "Коин" - 2 из 5 (токеномики не было тогда) и "Код" - 1 из 5 (он закрыт).

Поэтому участвовал без напряга и без надежды на чудо.
К счастью, при таком подходе я почти ничего не потерял — и при этом получил хороший дроп.
Но сейчас $LIT себя показывает слабо (упал с 3.2 $ до $1.6).
Да и судя по данным, прибыль протокола сильно просела.

Значит мой аудит подтверждается: проект не очень, каким бы он интересным технически не был.

Если бы не разобрал проект заранее, я бы держал токены и продавал их по 20% со временем.
Я даже прикидывал такой сценарий: итог был бы на несколько процентов хуже текущего из-за падения цены.


А теперь — о том, как я оцениваю проекты и почему использую 4К+.

Благодарю Владимира Менаскопа за идею. Она у него называлась 4К, и состояла из списка вопросов.
Я её адаптировал, сделав более современной (например, сейчас нет смысла ставить балл за наличие проекта на форуме Bitcointalk).

Символ плюса же - это за практику.
Я считаю, что важно оценить и качество веб приложения. Если его нет, продуктом это назвать сложно — а значит, и говорить о клиентах и прибыли рано.

Остальные же разделы такие же:

1. Команда: профессионализм на основе опыта и соцсети (активность, ответы на вопросы и их корректность).

2. Концепт: документация (её качество и полнота). А также есть ли анализ спроса и конкурентов.

3. Коин - токеномика, инвестиции (от известных ли фондов, и нет ли у них большинства проектов с просадками больше чем на 90%).
Ещё хочу добавить ончейн анализ для существующих активов: если они централизованы на десяти кошельках - это минус проекту.

4. Код - открыт ли, активна разработка и есть ли аудиты (решены ли проблемы в них).

5. Практика - работает ли функционал, нет ли скрытых комиссий и насколько всё удобно.
Для меня важна и доступность для незрячих (элементы текстовые, есть блоки), но в рамках аналитики это не считаю важным: тут цель - определить параметры для всех.


А у вас есть формализованный подход к анализу проектов или он у вас скорее интуитивный?

😎 Незрячий web3 программист (подписаться)
Чат | бот

📟 Прилетело из @blind_dev

Noise: карманный проект Paradigm?

Noise — очередной предикт, но не совсем. Проект будет представлять из себя DEX с возможностью открытия позиций по трендам (грубо говоря Google Trends с плечом).

Недавно проект собрал 7.1M$ от Paradigm (самый щедрый по дропам фонд).

Сейчас они на стадии закрытого тестнета, а доступ можно получить только за активности в Discord и Twitter.

Как поучаствовать?
> Вступаем в Discord и подписываемся на X
> Делаем контент с данным проектов и выкладываем себе на страницу
> Все ссылки на посты закидываем в ветку #making-noise

WL станет доступом к раннему тестированию, а следовательно и потенциальным наградам (дропу).

Если желания тестировать проект нету, то WL сливают на ОТС по 80$, поэтому лоубанкам точно есть смысл погриндить.

Чат | Support | Market
Pelican | HiddenCode [EN]

📟 Прилетело из @hidden_coding

Алгоритмы. Пузырьковая сортировка

Продолжаем наше изучение алгоритмов и сегодня начнем разбирать пузырьковой сортировки, один из наиболее наглядных методов упорядочивания данных. Идея сортировки в целом подобна приведению в порядок перепутанной колоды карт, когда требуется расположить элементы от меньшего к большему или наоборот. В программировании эта задача возникает постоянно: будь то числа, строки или другие данные, требующие определённой последовательности. Например, изначальный список [64, 34, 25, 12, 22] после сортировки превращается в [12, 22, 25, 34, 64].

Название "пузырьковая" отражает суть процесса: более лёгкие элементы, подобно пузырькам воздуха в воде, постепенно всплывают к началу списка, в то время как тяжёлые опускаются в конец. Алгоритм построен на простом принципе: последовательно сравниваются соседние элементы, и если они расположены в неправильном порядке, происходит их обмен. Эти действия повторяются до тех пор, пока весь массив не будет упорядочен.

Для лучшего понимания разберём визуальный пример сортировки списка [5, 3, 8, 4, 2] по возрастанию. В первом проходе сравниваются 5 и 3 — поскольку 5 больше 3, они меняются местами, и список становится [3, 5, 8, 4, 2]. Далее 5 и 8 остаются на своих местах, так как 5 меньше 8. Затем 8 и 4 обмениваются, получается [3, 5, 4, 8, 2]. Наконец, 8 и 2 также меняются, и результат первого прохода — [3, 5, 4, 2, 8]. Обратите внимание, что самое большое число 8 оказалось в конце, заняв свою окончательную позицию. Второй проход перемещает 5 на предпоследнее место: после сравнений и обменов список принимает вид [3, 4, 2, 5, 8]. Третий проход ставит на место 4: [3, 2, 4, 5, 8]. Четвёртый проход завершает сортировку, обменяв 3 и 2, и итоговый результат — [2, 3, 4, 5, 8].

Теперь перейдём к программной реализации. Код функции пузырьковой сортировки на Python выглядит следующим образом:

def bubble_sort(arr):
    """Пузырьковая сортировка списка."""
    n = len(arr)
    for i in range(n):
        swapped = False
        for j in range(0, n - i - 1):
            if arr[j] > arr[j + 1]:
                arr[j], arr[j + 1] = arr[j + 1], arr[j]
                swapped = True
        if not swapped:
            break
    return arr

Разберём каждую часть. Функция bubble_sort принимает список arr. Переменная n хранит его длину. Внешний цикл for i in range(n) определяет количество полных проходов по списку. Внутри него устанавливается флаг swapped = False, который отслеживает, были ли совершены обмены во время текущего прохода. Это важная оптимизация: если обменов не произошло, список уже отсортирован, и дальнейшие проходы не нужны.

Внутренний цикл for j in range(0, n - i - 1) отвечает за попарное сравнение соседних элементов. Выражение n - i - 1 ограничивает диапазон, потому что после каждого прохода самый крупный элемент "всплывает" в конец, и проверять его уже не требуется. Например, для списка из пяти элементов при первом проходе (i = 0) будут сравниваться пары с индексами от 0 до 3, при втором (i = 1) — от 0 до 2, и так далее.

Внутри внутреннего цикла условие if arr[j] > arr[j + 1]: проверяет, стоит ли текущий элемент правее, чем следующий. Если да, то с помощью конструкции arr[j], arr[j + 1] = arr[j + 1], arr[j] элементы меняются местами, а флаг swapped устанавливается в True. После завершения внутреннего цикла проверяется значение флага: если он остался False, что означает отсутствие обменов, внешний цикл прерывается оператором break. В конце функция возвращает отсортированный список.

Для демонстрации работы приведём полный пример:

📟 Прилетело из @solidityset

def bubble_sort(arr):
    n = len(arr)
    for i in range(n):
        swapped = False
        for j in range(0, n - i - 1):
            if arr[j] > arr[j + 1]:
                arr[j], arr[j + 1] = arr[j + 1], arr[j]
                swapped = True
        if not swapped:
            break
    return arr

# Пример 1: Обычная сортировка
data1 = [64, 34, 25, 12, 22, 11, 90]
print(bubble_sort(data1.copy()))
# Результат: [11, 12, 22, 25, 34, 64, 90]

# Пример 2: Уже отсортированный список
data2 = [1, 2, 3, 4, 5]
print(bubble_sort(data2.copy()))
# Результат: [1, 2, 3, 4, 5]

# Пример 3: Обратный порядок
data3 = [5, 4, 3, 2, 1]
print(bubble_sort(data3.copy()))
# Результат: [1, 2, 3, 4, 5]

Чтобы лучше проследить за ходом алгоритма, можно использовать визуализированную версию:

def bubble_sort_visualized(arr):
    n = len(arr)
    print(f"Начальный список: {arr}")
    print()
    
    for i in range(n):
        print(f"=== Проход {i + 1} ===")
        swapped = False
        
        for j in range(0, n - i - 1):
            print(f"Сравниваем {arr[j]} и {arr[j + 1]}", end=" ")
            
            if arr[j] > arr[j + 1]:
                arr[j], arr[j + 1] = arr[j + 1], arr[j]
                swapped = True
                print(f"→ Меняем! Теперь: {arr}")
            else:
                print(f"→ Оставляем")
        
        if not swapped:
            print("Обменов не было, список отсортирован!")
            break
        print()
    
    print(f"\nИтоговый список: {arr}")
    return arr

data = [5, 2, 8, 1, 9]
bubble_sort_visualized(data)

Одним из недостатков пузырьковой сортировки является её низкая эффективность на больших наборах данных. Сложность алгоритма в худшем и среднем случае оценивается как O(n²), где n — количество элементов. Это означает, что с ростом размера списка количество необходимых операций сравнения и обмена растёт квадратично. Например, для тысячи элементов может потребоваться около миллиона сравнений, в то время как более совершенные алгоритмы, такие как быстрая сортировка, справляются с этой задачей за порядка двадцати тысяч операций. Именно поэтому пузырьковая сортировка, при всей своей простоте и наглядности, не применяется в реальных проектах с большими объёмами данных.

Алгоритм можно модифицировать для сортировки по убыванию. Для этого достаточно изменить условие сравнения с > на <, чтобы более мелкие элементы перемещались вправо:

def bubble_sort_descending(arr):
    """Пузырьковая сортировка в порядке УБЫВАНИЯ."""
    n = len(arr)
    for i in range(n):
        swapped = False
        for j in range(0, n - i - 1):
            if arr[j] < arr[j + 1]:
                arr[j], arr[j + 1] = arr[j + 1], arr[j]
                swapped = True
        if not swapped:
            break
    return arr

data1 = [64, 34, 25, 12, 22, 11, 90]
print(bubble_sort_descending(data1.copy()))
# Результат: [90, 64, 34, 25, 22, 12, 11]

Также можно создать универсальную функцию, принимающую параметр reverse для выбора направления сортировки.

В заключение, пузырьковая сортировка служит отличным учебным инструментом для понимания базовых принципов алгоритмов сортировки. Она проста для восприятия и реализации, корректно работает на любых данных, но из-за квадратичной сложности неприменима для серьёзных задач. Её изучение даёт необходимую основу для перехода к более эффективным алгоритмам.

#algorithm

📟 Прилетело из @solidityset