И СНОВА НА РАБОТУ | WEB3 EDITION

pt.2

продолжаем наш последний пост

1. ФРЕЙМВОРКИ И ИНСТРУМЕНТЫ

ETHEREUM

Библиотеки:

JAVASCRIPT / TYPESCRIPT

viem.sh - TypeScript-first библиотека для работы с Ethereum. Создана как быстрая, строготипизированная и безопасная замена ethers.js для фронтенда.

Используется внутри wagmi, RainbowKit и Reown AppKit (новая замена Web3Modal)

docs.ethers.org/v5 - самая популярная JS-библиотека для работы с Ethereum контрактами, транзакциями, подписями, событиями и кошельками

GITHUB БАЗА ПО ETHERS.JS

wagmi.sh - TypeScript-first React-библиотека с хуками для взаимодействия с Ethereum. Обеспечивает основу для выполнения задач Web3: от подключения кошелька до чтения/записи данных в смарт-контракты.

rainbowkit.com - UI-библиотека на React для подключения кошельков, построенная поверх wagmi.

reown.com/reown-sdk - Интегрирует множество функций Web3 UX помимо подключения кошельков:

1. Email и social логин (Google, GitHub, X и др.)
2. Поддержка 600+ кошельков и нескольких сетей (EVM, Solana, Bitcoin)
3. Он-рампы, свапы, транзакции, истории операций

Фреймворк-независим: React, Vue, Svelte, Next.js, React Native, Flutter, iOS, Android, Unity и др.

PYTHON

web3py.readthedocs.io/en/stable - Python-библиотека для взаимодействия с Ethereum: чтение блоков, контракты, события, отправка транзакций и так далее

SOLIDITY

docs.openzeppelin.com/contracts - библиотека проверенных реализаций стандартных контрактов: токены, доступы, прокси, утилиты и так далее

ЭТО ДЕ-ФАКТО СТАНДАРТ ИНДУСТРИИ В WEB3

Фреймворки:

hardhat.org - среда для сборки, тестирования и деплоя контрактов.

SOLANA

Библиотеки:

JAVASCRIPT / TYPESCRIPT

npmjs.com/package/@solana/web3.js - базовый RPC-клиент, транзакции, аккаунты, подписи, инструкции, подписки.

solanakit.com/docs - современный JS SDK, на который сместилась “новая разработка

github.com/anza-xyz/wallet-adapter - набор TypeScript/React-пакетов: провайдеры, хуки, UI-компоненты и адаптеры под разные Solana-кошельки.

По сути, стандартный способ сделать кнопку Connect wallet и дальше подписывать транзакции.

PYTHON

github.com/michaelhly/solana-py - Python SDK для JSON-RPC, сборка/отправка транзакций, SPL Token операции на уровне Python.

github.com/kevinheavey/solders - обычно используют: solana-py для сети/async + solders для типов/подписей. В официальных community-заметках прямо так и рекомендуют: solders (core), solana-py (networking/async).

RUST

docs.rs/solana-client/latest/solana_client

1. Отправка и получение транзакций с узла Solana через JSON-RPC.

2. Запросы баланса, получения аккаунтов, блоков, подписей и пр.

3. Интерактивная работа с сетью Solana из офф-чейн кода (то есть не внутри on-chain программы).

docs.rs/solana-sdk/latest/solana_sdk

1. Базовые примитивы Solana

2. Сборка транзакций и инструкций

3. Типы для on-chain программ

Фреймворки:

anchor-lang.com/docs - главный фреймворк для Solana-программ.

Сильно упрощает написание, тестирование и деплой Solana-программ + даёт готовый клиент для работы с ними.

КУРСЫ

ETHEREUM

ethereum.org/learn

speedrunethereum.com

SOLANA

solana.com/developers

ПРОДОЛЖАЕМ?

АКТВИРУЕМ НОВЫЕ РЕАКЦИИ, ЧТОБЫ ПРОДОЛЖИТЬ

📟 Прилетело из @code_vartcall

Позвал @og_mishgan показать его AI-сетап.

Что узнал:
🟥 Ghostty — терминал для тех, кому лень настраивать iTerm. Установил и забыл.
↳ ghostty.org

🟥 ownyourchat — Мишин проект. Синхронизирует все чаты с ChatGPT, Claude, Perplexity в локальную SQLite базу. Грепай свои разговоры с AI.
↳ github.com/mlshv/ownyourchat

🟥 Descript — монтаж видео через редактирование текста. Удаляешь слова — удаляется видео.
↳ descript.cello.so/RyHJMBOkveq

Запись стрима скоро на YouTube. Подпишись заранее:
↳ youtube.com/@danokhlopkov

📟 Прилетело из @danokhlopkov

ЧТО ЖЕ ДЕЛАЕМ С 1INCH??

продолжаем наш разговор

ЧТО ПРОИСХОДИТ?

У КОМАНДЫ СТРИМ ЧЕРЕЗ 10 МИНУТ!

x.com/1inchdevs/status/2014745240234528995

Q/A СЕССИЯ С DEVREL x.com/Tanz0rz

DevRel (Developer Relations) - человек, который строит мост между проектом и разработчиками.

Он делает так, чтобы РАЗРАБОТЧИКАМ было понятно, удобно и выгодно пользоваться продуктом

КАЖДЫЙ СМОЖЕТ ЗАДАТЬ СВОЙ ВОПРОС

ПРИСОЕДИНЯЙТЕСЬ! НАЧИНАЕМ ЧЕРЕЗ 10 МИНУТ

📟 Прилетело из @code_vartcall

Если не умеешь зарабатывать на фьючерсах, то эта группа каждый день поднимает
со 100$ = 500$ 🔥

Королев ведет свой канал с 23 года и я лично уважаю его как трейдера.

✅ Это не реклама, делюсь с вами тем, в ком уверен - https://t.iss.one/+KOPP5yR8fjdjZDAy

#реклама

📟 Прилетело из @hidden_coding

In my restless dreams I see that code... You promised you'd refactored it but you never did... А иногда прямо хочется вернуться в те славные дни в стиле "гусарский кодинг", когда всё было легко и просто.

    module Searching
      # Some black magic indeed...
      # Creates a Search child class of a given class that changes the URI where the
      # GET request should be sent
      def self.included(klass)
        klass.const_set(:Search,
                        Class.new(klass) do |*_args|
                          def api_path
                            "#{super}/search"
                          end
                        end)

        # The actual method to perform searching
        # Instantiates a Search class with the given search params
        # and send a GET request to the proper URI (defined above)
        klass.define_singleton_method :search do |params|
          klass.const_get(:Search).new(params)
        end
      end
    end

Захотел - да и объявил константу класса на лету при включении модуля, а то и метод класса заодно, который на лету что-то читает. А чего - один раз ведь живём!

Сейчас, конечно, тоже не сильно сложно, но не так весело. Метапрограммирование всегда добавляло перчинку в скучную жизнь. Как говорил Джек Воробей - мир остался прежним, стало меньше содержимого (да, я уже помню, что *капитан* Джек Воробей, можно не поправлять 👍) https://github.com/bodrovis/ChgkRating/blob/master/lib/chgk_rating/concerns/searching.rb

📟 Прилетело из @dev_in_ruby_colors

Алгоритм. Бинарный поиск

Идем дальше в нашем цикле постов про алгоритмы.

Рассмотрим эффективный алгоритм поиска, основанный на простой и элегантной идее — бинарный поиск. Чтобы понять его суть, представьте себе классическую игру, где требуется угадать число в диапазоне от 1 до 100. Неэффективный подход — перебирать числа по порядку: 1, 2, 3 и так далее. В худшем случае это потребует ста попыток. Гораздо более разумная стратегия заключается в том, чтобы каждый раз делить оставшийся диапазон пополам. Например, сначала спросить: «Число больше 50?». Получив ответ, вы сразу исключаете половину всех возможных чисел, затем повторяете эту процедуру с оставшимся интервалом. Именно этот принцип — последовательное деление области поиска пополам — и лежит в основе алгоритма бинарного поиска.

Крайне важным условием для его применения является предварительная сортировка данных. Алгоритм опирается на упорядоченность массива, чтобы делать корректные выводы о местоположении искомого элемента. Рассмотрим пошаговый процесс на примере отсортированного массива [11, 12, 22, 25, 34, 64, 90]. Предположим, нам нужно найти число 22.

На первом шаге определяются границы поиска: нижняя low (индекс 0), верхняя high (индекс 6). Вычисляется средний индекс: mid = (0 + 6) // 2 = 3. Элемент с индексом 3 равен 25. Поскольку 25 больше искомого значения 22, делается вывод, что элемент находится в левой половине массива. Таким образом, верхняя граница high смещается на позицию mid - 1, то есть на индекс 2.

Теперь область поиска сузилась до элементов с индексами от 0 до 2. Снова вычисляется середина: mid = (0 + 2) // 2 = 1. Элемент arr[1] равен 12. Так как 12 меньше 22, становится ясно, что цель находится в правой части текущего интервала. Нижняя граница low сдвигается: low = mid + 1 = 2.

На третьем шаге границы low и high совпадают (индекс 2). Средний элемент, arr[2], равен 22, что полностью соответствует искомому значению. Алгоритм завершается успешно, возвращая индекс 2.

Этот процесс можно представить в виде наглядной визуализации:

Исходный массив (7 элементов):
┌────┬────┬────┬────┬────┬────┬────┐
│ 11 │ 12 │ 22 │ 25 │ 34 │ 64 │ 90 │
└────┴────┴────┴────┴────┴────┴────┘
  0    1    2    3    4    5    6

Ищем: 22

Итерация 1: Проверяем середину (индекс 3 = значение 25)
┌────┬────┬────┬────┬────┬────┬────┐
│ 11 │ 12 │ 22 │[25]│ 34 │ 64 │ 90 │
└────┴────┴────┴────┴────┴────┴────┘
             ✗ 25 > 22, ищем левее

Итерация 2: Область поиска сузилась до [11, 12, 22]
                Проверяем индекс 1 = значение 12
┌────┬────┬────┐
│ 11 │[12]│ 22 │
└────┴────┴────┘
      ✗ 12 < 22, ищем правее

Итерация 3: Область поиска = [22]
                Проверяем индекс 2 = значение 22
┌────┐
│[22]│
└────┘
  ✓ Найдено!

Реализация данного алгоритма на языке Python выглядит следующим образом:

def binary_search(arr, target):
    """Бинарный поиск элемента в отсортированном списке."""
    low = 0              # Левая граница области поиска
    high = len(arr) - 1  # Правая граница области поиска
    
    while low <= high:   # Пока область поиска не пуста
        mid = (low + high) // 2  # Находим средний индекс
                                  # // - целочисленное деление
        
        if arr[mid] == target:   # Если нашли - возвращаем индекс
            return mid
        elif arr[mid] < target:  # Если середина меньше искомого
            low = mid + 1        # Ищем в правой половине
        else:                    # Если середина больше искомого
            high = mid - 1       # Ищем в левой половине
    
    return -1  # Если элемент не найден, возвращаем -1

На каждой итерации цикла вычисляется индекс середины текущего интервала. Затем значение этого элемента сравнивается с целевым. Если они равны, поиск завершается. Если средний элемент меньше искомого, нижняя граница смещается за середину, сужая поиск до правой половины. В противном случае, если средний элемент больше, поиск продолжается в левой половине. Цикл выполняется до тех пор, пока границы не пересекутся, что будет означать отсутствие элемента в массиве.

📟 Прилетело из @solidityset

Для закрепления рассмотрим несколько примеров. В первом случае элемент отсутствует в массиве:

sorted_data = [11, 12, 22, 25, 34, 64, 90]
target = 50
print(binary_search(sorted_data, target))  # Вывод: -1

Алгоритм выполнит следующие шаги: сначала проверит середину (25), затем, так как 25 меньше 50, перейдет к правой половине [34, 64, 90]. Проверив элемент 64, который больше 50, он перейдет к левой части этого подмассива, [34]. После сравнения 34 с 50 границы low и high пересекутся, и будет возвращено значение -1.

Поиск первого и последнего элементов также работает корректно:

sorted_data = [11, 12, 22, 25, 34, 64, 90]
target = 11
print(binary_search(sorted_data, target))  # Вывод: 0

target = 90
print(binary_search(sorted_data, target))  # Вывод: 6

Главное преимущество бинарного поиска — его исключительная эффективность. Сложность алгоритма оценивается как O(log n), что означает логарифмическую зависимость количества операций от размера данных. Это становится возможным благодаря тому, что на каждом шаге область поиска сокращается вдвое. Например, для массива из 100 элементов в худшем случае потребуется не более 7 проверок, для миллиона элементов — около 20. В сравнении с линейным поиском, который в худшем случае проверяет все элементы, выигрыш становится колоссальным, особенно на больших объемах данных.

Теперь обратимся к ключевому вопросу: почему бинарный поиск неприменим к неотсортированным данным? Вся логика алгоритма строится на предположении, что если элемент в середине меньше искомого, то все элементы слева от него тоже заведомо меньше. Это свойство гарантировано только в отсортированном массиве. В противном случае, отбросив какую-либо половину, мы можем случайно потерять искомый элемент. Проиллюстрируем это на примере массива [64, 11, 90, 22, 25, 12, 34]. При поиске числа 90 алгоритм, проверив середину (22), решит, что нужно искать справа, так как 22 меньше 90. Однако правая часть [25, 12, 34] не содержит 90, хотя само число 90 присутствует в исходном массиве слева от проверяемой середины. Таким образом, на несортированных данных бинарный поиск дает ненадежный результат.

Алгоритм можно реализовать не только итеративно, но и с помощью рекурсии, когда функция вызывает саму себя для суженной области поиска.

def binary_search_recursive(arr, target, low, high):
    """Рекурсивная версия бинарного поиска."""
    
    # Базовый случай: область поиска пуста
    if low > high:
        return -1
    
    # Находим середину
    mid = (low + high) // 2
    
    # Проверяем средний элемент
    if arr[mid] == target:
        return mid  # Нашли!
    elif arr[mid] < target:
        # Рекурсивно ищем в правой половине
        return binary_search_recursive(arr, target, mid + 1, high)
    else:
        # Рекурсивно ищем в левой половине
        return binary_search_recursive(arr, target, low, mid - 1)


# Использование:
sorted_data = [11, 12, 22, 25, 34, 64, 90]
target = 22
result = binary_search_recursive(sorted_data, target, 0, len(sorted_data) - 1)
print(result)  # Вывод: 2

Рекурсивная версия часто выглядит более лаконичной, но она использует память для стека вызовов, что может стать ограничением для очень больших массивов. Итеративный подход с циклом обычно более эффективен с точки зрения потребления памяти.

Интересно, что принцип бинарного поиска интуитивно используется людьми в повседневных задачах. Самый яркий пример — поиск слова в бумажном словаре. Мы открываем книгу примерно посередине, смотрим на букву, определяем, нужная ли она нам, и отбрасываем одну из половин. Этот процесс повторяется до нахождения нужной страницы. Точно так же мы действуем, ища дату в календаре или настраивая громкость. Все эти ситуации объединяет наличие упорядоченных данных и стратегия последовательного деления области поиска.

📟 Прилетело из @solidityset

Подводя итог, можно выделить ключевые характеристики бинарного поиска. Во-первых, он применим исключительно к отсортированным массивам. Во-вторых, его временная сложность O(log n) делает его чрезвычайно быстрым для больших наборов данных. В-третьих, принцип работы основан на постоянном уменьшении области поиска вдвое. Наконец, алгоритм возвращает индекс найденного элемента или специальное значение (например, -1), если элемент отсутствует. По сравнению с линейным поиском бинарный поиск демонстрирует подавляющее преимущество в скорости на крупных массивах, что делает его одним из фундаментальных алгоритмов в информатике.

#algorithm

📟 Прилетело из @solidityset

Пригласил(-а) Вас в Закрытый канал

https://t.iss.one/+KOPP5yR8fjdjZDAy

#реклама

📟 Прилетело из @hidden_coding

Whales market: премаркеты и агрегатор рынков предсказаний с токеном, упавшим на 99+%

Записал аудио-версию этого обзора.
Если удобнее слушать - она прикреплена, текст ниже.

Проект уникальный - раньше о нём много писали как о способе покупать и продавать токены до TGE (запуска токена).
Несмотря на обвал токена, продукт и команда всё ещё активны — именно поэтому было интересно разобрать проект.
Потому что иногда полезно разбирать проекты не на пике, а после падения ☺️.

Ниже — мой разбор проекта по стандартной для меня схеме: команда, концепт, коин, код и практика.

Статья:
Читать на Teletype, читать в Paragraph.

Общий итог

• Команда: 3 из 5: соцсети более-менее активные (хотя и сообщество слабо развито). На вопросы отвечают быстро, но не всегда полностью. Благо в Discord был ИИ-бот, который пояснил по пунктам (поэтому 3 из 5, а не 2 из 5). Модератор же не сразу признался, что код закрыт и команда анонимна.

• Концепт: 3 из 5: интересная и уникальная идея. Есть технические подробности и инструкции для пользователей. Но нет анализа спроса и конкурентов.

• Коин: 3 из 5: инвесторы неизвестны, как и сумма инвестиций. По токеномике в целом команде и инвесторам распределяют нормально (< 10%), но разлоки большие - > 2% в месяц на пике (когда разблокируются токены приватного сейла). Это создавало сильное давление на цену, особенно учитывая процент от market cap на тот момент.

Также неизвестно, насколько хорошо распределяются $WHALES на награды и маркетинг.

TGE был в январе-феврале 2024 - прошло 2 года. То есть сейчас остались разлоки лишь у команды и Incentives. На маркетинг почти всё разблокировано (судя по объёмам и ликвидности, эффективность его была мала).

Стейкинг есть для скидок, но этого недостаточно для спроса.

• Код: 2 из 5: код закрыт, но есть аудиты, и по их данным ошибки были исправлены или смягчены. Но важно понимать, что есть централизованное административное управление - это добавляет риски централизации. Поэтому не 3 из 5.

• Практика: 4 из 5: удобный интерфейс, понятный функционал. Есть развитие: создали Whales Prediction, где можно торговать и ставить на Polymarket и, возможно, других сервисах.
Но при попытке купить актив в пре-маркете на небольшую сумму комиссия оказалась >10%. Это неприятно удивило.
На больших объёмах, вероятно, ситуация лучше.
Есть авторизация по e-mail, x и Google помимо кошелька - это хорошо. Но с таким уровнем маркетинга проекту будет сложно расти даже при хорошем продукте.

Итог: 15 из 25 баллов. проект интересный, но восстановления токена вряд ли стоит ждать. Да и не факт, что выйдут на хороший уровень дохода, а без него когда-нибудь у команды закончатся средства = проект будет заброшен.

Читать на Teletype, читать в Paragraph.

А вам как этот проект? Давно пользовались для покупки токенов до запуска?
Считаете ли вы, что продукт может жить с мёртвым токеном?

#обзоры #whales_market

📟 Прилетело из @blind_dev