W Shakespeare
1.5k Beiträge
W Shakespeare
It's showtime!
171 Following
646 Follower
2.2K+ Like gegeben
Beiträge
Alle
Zitierungen
Teilweise korrekt
Eine Sache in der GRVT-API hat meine Aufmerksamkeit erregt.
Neben seiner nativen API unterstützt GRVT auch eine Integration über CCXT. So können Entwickler sich über dieselbe Schnittstelle verbinden, die sie bereits über viele andere Börsen hinweg nutzen.
Zunächst wirkte es wie eine einfache Kompatibilitätsfunktion.
Dann wurde mir klar, dass GRVT Kosten senkt, die bereits auftauchen, bevor die Produktentwicklung überhaupt beginnt. Diese Kosten stecken in der Integrationsschicht – lange bevor Entwickler überhaupt die Möglichkeit haben, das Handelssystem selbst zu verbessern.
Viele Entwickler bauen bereits Trading-Bots und algorithmische Handelssysteme auf CCXT auf. Ihr Integrationscode, ihre Abstraktionen und Bereitstellungs-Workflows existieren bereits. Das Hinzufügen von GRVT erfordert nicht, dass diese Integrationsschicht neu gestaltet wird, nur weil eine weitere Börse eingeführt wird.
Das verändert, wo der Engineering-Aufwand beginnt.
Anstatt die Konnektivität immer wieder neu zu prüfen, können Entwickler auf einer Integrationsschicht weiterarbeiten, der sie bereits vertrauen. So wird mehr Zeit darauf verwendet, die Ausführungslogik zu verfeinern, Handelmodelle zu verbessern und neue Ideen zu testen – statt funktionierende Infrastruktur zu ersetzen.
Die eigentlichen Kosten liegen nicht darin, eine weitere API zu lernen. Es geht darum, Systeme umzuschreiben, die bereits funktionieren, bevor eine sinnvolle Entwicklung überhaupt beginnen kann. Genau dort erscheint die Innovation Tax leise.
Indem GRVT CCXT unterstützt, vermeidet es, diese Steuer einzuführen. Bestehender Integrationscode und Abstraktionen bleiben wiederverwendbar, sodass der Engineering-Aufwand direkt dorthin gelenkt werden kann, wo er sich wirklich auszahlt: in die Teile eines Handelssystems, die tatsächlich Differenzierung schaffen. Die Integrationsschicht hört auf, der Ort zu sein, an dem Entwickler den Großteil ihrer Zeit damit verbringen, Software anzupassen, und wird stattdessen zu einer stabilen Grundlage, auf der man aufbauen kann.
Der Trade-off ist gleichermaßen klar. Indem GRVT die Innovation Tax reduziert, verzichtet es auch auf die Möglichkeit, über Integrationsreibung oder eine proprietäre Entwickler-Experience zu konkurrieren. Sobald die Konnektivität vertraut ist, bewertet man GRVT wesentlich direkter anhand der Ausführungsqualität, der Produktfähigkeiten und des Werts, den die Plattform zusätzlich zur API schafft. Je einfacher es ist, sich zu verbinden, desto stärker muss sich das Produkt selbst gegen Konkurrenz behaupten.
@grvt_io #grvt
Neben seiner nativen API unterstützt GRVT auch eine Integration über CCXT. So können Entwickler sich über dieselbe Schnittstelle verbinden, die sie bereits über viele andere Börsen hinweg nutzen.
Zunächst wirkte es wie eine einfache Kompatibilitätsfunktion.
Dann wurde mir klar, dass GRVT Kosten senkt, die bereits auftauchen, bevor die Produktentwicklung überhaupt beginnt. Diese Kosten stecken in der Integrationsschicht – lange bevor Entwickler überhaupt die Möglichkeit haben, das Handelssystem selbst zu verbessern.
Viele Entwickler bauen bereits Trading-Bots und algorithmische Handelssysteme auf CCXT auf. Ihr Integrationscode, ihre Abstraktionen und Bereitstellungs-Workflows existieren bereits. Das Hinzufügen von GRVT erfordert nicht, dass diese Integrationsschicht neu gestaltet wird, nur weil eine weitere Börse eingeführt wird.
Das verändert, wo der Engineering-Aufwand beginnt.
Anstatt die Konnektivität immer wieder neu zu prüfen, können Entwickler auf einer Integrationsschicht weiterarbeiten, der sie bereits vertrauen. So wird mehr Zeit darauf verwendet, die Ausführungslogik zu verfeinern, Handelmodelle zu verbessern und neue Ideen zu testen – statt funktionierende Infrastruktur zu ersetzen.
Die eigentlichen Kosten liegen nicht darin, eine weitere API zu lernen. Es geht darum, Systeme umzuschreiben, die bereits funktionieren, bevor eine sinnvolle Entwicklung überhaupt beginnen kann. Genau dort erscheint die Innovation Tax leise.
Indem GRVT CCXT unterstützt, vermeidet es, diese Steuer einzuführen. Bestehender Integrationscode und Abstraktionen bleiben wiederverwendbar, sodass der Engineering-Aufwand direkt dorthin gelenkt werden kann, wo er sich wirklich auszahlt: in die Teile eines Handelssystems, die tatsächlich Differenzierung schaffen. Die Integrationsschicht hört auf, der Ort zu sein, an dem Entwickler den Großteil ihrer Zeit damit verbringen, Software anzupassen, und wird stattdessen zu einer stabilen Grundlage, auf der man aufbauen kann.
Der Trade-off ist gleichermaßen klar. Indem GRVT die Innovation Tax reduziert, verzichtet es auch auf die Möglichkeit, über Integrationsreibung oder eine proprietäre Entwickler-Experience zu konkurrieren. Sobald die Konnektivität vertraut ist, bewertet man GRVT wesentlich direkter anhand der Ausführungsqualität, der Produktfähigkeiten und des Werts, den die Plattform zusätzlich zur API schafft. Je einfacher es ist, sich zu verbinden, desto stärker muss sich das Produkt selbst gegen Konkurrenz behaupten.
@grvt_io #grvt
Teilweise korrekt
Wenn ich auf die KR-/JP-/CN-Volumentrading-Competition von GRVT zurückblicke, glaube ich nicht, dass es einfach nur eine weitere Trading-Kampagne war.
Das Event lief vom 2. Februar bis zum 22. Februar, wobei die Teilnehmenden einen von drei Länderslots auswählten.
Nachdem ich die Regeln noch einmal durchgegangen bin, denke ich, dass die Kampagne zwei unterschiedliche Probleme gleichzeitig gelöst hat.
Das erste war, wo Liquidität aufgebaut werden sollte.
Korea, Japan und China auszuwählen war nicht zufällig. Das sind drei der aktivsten Krypto-Trading-Regionen der Welt – mit tiefer Liquidität und hochaktiven Trading-Communities. Wenn GRVT die Liquidität vor dem bevorstehenden $GRVT-Token-TGE stärken wollte, bot die Konzentration der Kampagne auf diese Märkte die besten Chancen, aussagekräftige Trading-Aktivität anzuziehen.
Das zweite war, wer diese Liquidität erzeugen sollte.
GRVT schloss ausdrücklich institutionelle, unternehmensverbundene und strategiebasierte Konten aus.
Wenn das Ziel einfach gewesen wäre, das Handelsvolumen zu maximieren, hätte diese Entscheidung kaum Sinn ergeben. Institutionelle Teilnehmende hätten mit deutlich weniger Konten viel größere Zahlen erreichen können.
Stattdessen erhöhte GRVT die Wahrscheinlichkeit, dass die Aktivität hinter seinem Volumen von Retail-Usern ausgeht.
Das gab der Börse eine bessere Chance, mehr finanzierte Konten, mehr aktive Trader, mehr Transaktionen und eine Verteilung der Trading-Aktivität über eine deutlich breitere Nutzerbasis zu gewinnen – statt dass sie sich auf einige wenige große Konten konzentriert.
Der Unterschied ist nicht nur statistisch.
Diese Kennzahlen zeichnen ein ganz anderes Bild der GRVT-Börse. Anstatt so auszusehen, als hänge die Aktivität von ein paar wenigen großen Akteuren ab, hat @grvt_io eine bessere Chance, wie eine Plattform zu wirken, an der die Beteiligung breit ist, organisch wächst und von der Community getragen wird.
Die Competition endete im Februar.
Ihre Ergebnisse werden möglicherweise erst vollständig sichtbar, wenn $GRVT den Markt erreicht.
Wenn diese Strategie funktioniert hat, wird die Competition nicht nur dafür in Erinnerung bleiben, welche Liquidität sie mit aufgebaut hat, sondern auch für die Geschichte, die GRVT über die Börse erzählen konnte, als der Token schließlich gelauncht wurde.
$LAB #grvt
Das Event lief vom 2. Februar bis zum 22. Februar, wobei die Teilnehmenden einen von drei Länderslots auswählten.
Nachdem ich die Regeln noch einmal durchgegangen bin, denke ich, dass die Kampagne zwei unterschiedliche Probleme gleichzeitig gelöst hat.
Das erste war, wo Liquidität aufgebaut werden sollte.
Korea, Japan und China auszuwählen war nicht zufällig. Das sind drei der aktivsten Krypto-Trading-Regionen der Welt – mit tiefer Liquidität und hochaktiven Trading-Communities. Wenn GRVT die Liquidität vor dem bevorstehenden $GRVT-Token-TGE stärken wollte, bot die Konzentration der Kampagne auf diese Märkte die besten Chancen, aussagekräftige Trading-Aktivität anzuziehen.
Das zweite war, wer diese Liquidität erzeugen sollte.
GRVT schloss ausdrücklich institutionelle, unternehmensverbundene und strategiebasierte Konten aus.
Wenn das Ziel einfach gewesen wäre, das Handelsvolumen zu maximieren, hätte diese Entscheidung kaum Sinn ergeben. Institutionelle Teilnehmende hätten mit deutlich weniger Konten viel größere Zahlen erreichen können.
Stattdessen erhöhte GRVT die Wahrscheinlichkeit, dass die Aktivität hinter seinem Volumen von Retail-Usern ausgeht.
Das gab der Börse eine bessere Chance, mehr finanzierte Konten, mehr aktive Trader, mehr Transaktionen und eine Verteilung der Trading-Aktivität über eine deutlich breitere Nutzerbasis zu gewinnen – statt dass sie sich auf einige wenige große Konten konzentriert.
Der Unterschied ist nicht nur statistisch.
Diese Kennzahlen zeichnen ein ganz anderes Bild der GRVT-Börse. Anstatt so auszusehen, als hänge die Aktivität von ein paar wenigen großen Akteuren ab, hat @grvt_io eine bessere Chance, wie eine Plattform zu wirken, an der die Beteiligung breit ist, organisch wächst und von der Community getragen wird.
Die Competition endete im Februar.
Ihre Ergebnisse werden möglicherweise erst vollständig sichtbar, wenn $GRVT den Markt erreicht.
Wenn diese Strategie funktioniert hat, wird die Competition nicht nur dafür in Erinnerung bleiben, welche Liquidität sie mit aufgebaut hat, sondern auch für die Geschichte, die GRVT über die Börse erzählen konnte, als der Token schließlich gelauncht wurde.
$LAB #grvt
Verifiziert
Übersetzung ansehen
I used to think Mainnet was like kickoff.
The network goes live, builders arrive, and everyone gradually figures out how to play. Documentation improves over time as new questions appear. That rhythm has become so common in crypto that I rarely questioned it.
Then I looked at Newton Protocol.
Before Mainnet Beta, the developer documentation already covered far more than the protocol itself. There were guides for testing policies, chaining multiple data oracles, deploying through the CLI or Dashboard, simulating policies end to end, managing secrets, and using Policy Packs. It described not only what developers could build, but how that process was expected to unfold.
That made me look at the launch differently.
In most ecosystems, documentation follows Mainnet. Developers collectively discover conventions after the network is live, and those conventions slowly become the ecosystem's unofficial standards.
Newton appears to reverse that sequence.
By the time Mainnet Beta arrived, much of the development process had already been documented, structured, and demonstrated. Builders weren't starting from a blank page but entering an environment with an established engineering workflow.
The consequence is more significant than it first appears.
When every team discovers its own workflow after launch, the ecosystem naturally accumulates different engineering habits. Over time, those habits become fragmentation.
When the workflow comes first, the protocol distributes a common engineering mindset alongside its infrastructure. Developers are still free to build different applications, but they begin with the same assumptions about writing, testing, simulating, and deploying policies.
That is why the timing of Newton Mainnet Beta stood out to me.
Maybe Mainnet was never meant to be the moment developers learned the rules. Newton Protocol seemed to make sure the rulebook came first, so that when kickoff finally arrived, the ecosystem could spend less time figuring out how to play and more time deciding what to build. @NewtonProtocol $LAB $NEWT #Newt
The network goes live, builders arrive, and everyone gradually figures out how to play. Documentation improves over time as new questions appear. That rhythm has become so common in crypto that I rarely questioned it.
Then I looked at Newton Protocol.
Before Mainnet Beta, the developer documentation already covered far more than the protocol itself. There were guides for testing policies, chaining multiple data oracles, deploying through the CLI or Dashboard, simulating policies end to end, managing secrets, and using Policy Packs. It described not only what developers could build, but how that process was expected to unfold.
That made me look at the launch differently.
In most ecosystems, documentation follows Mainnet. Developers collectively discover conventions after the network is live, and those conventions slowly become the ecosystem's unofficial standards.
Newton appears to reverse that sequence.
By the time Mainnet Beta arrived, much of the development process had already been documented, structured, and demonstrated. Builders weren't starting from a blank page but entering an environment with an established engineering workflow.
The consequence is more significant than it first appears.
When every team discovers its own workflow after launch, the ecosystem naturally accumulates different engineering habits. Over time, those habits become fragmentation.
When the workflow comes first, the protocol distributes a common engineering mindset alongside its infrastructure. Developers are still free to build different applications, but they begin with the same assumptions about writing, testing, simulating, and deploying policies.
That is why the timing of Newton Mainnet Beta stood out to me.
Maybe Mainnet was never meant to be the moment developers learned the rules. Newton Protocol seemed to make sure the rulebook came first, so that when kickoff finally arrived, the ecosystem could spend less time figuring out how to play and more time deciding what to build. @NewtonProtocol $LAB $NEWT #Newt
Verifiziert
Übersetzung ansehen
After the upcoming TGE, the $GRVT token will have multiple sources of demand.
Users will be able to stake $GRVT to unlock Membership and gain additional benefits across the GRVT exchange and its ecosystem.
That isn't surprising.
What stood out to me was a very common source of token demand that, at least for now, doesn't seem to be part of GRVT's design.
Using $GRVT to pay trading fees.
If users had to pay trading fees in $GRVT, every trade would naturally create additional demand for the token.
But that would come at a different cost for users.
People don't just want low trading fees. They also want trading costs that stay predictable, so calculating PnL, reconciling trades, and tracking performance remain straightforward.
Once trading fees are paid in a token with a constantly changing price, they stop being a fixed cost.
Every time users calculate their PnL or reconcile their trading history, they also have to account for the value of $GRVT when each fee was paid.
And if they keep a balance of $GRVT specifically for trading fees, that balance introduces its own gains and losses, separate from the trading strategy itself.
So GRVT could absolutely create another source of demand for its token, but the cost would ultimately be paid through the user experience.
Instead, GRVT appears willing to leave that source of demand on the table.
That choice reflects GRVT's User-First Token Discipline.
Rather than pushing the volatility of its own token into trading fees to create more demand, GRVT allows trading fees to remain just trading fees, while PnL reflects the performance of the trades themselves.
Users don't have to separate the impact of $GRVT's price movements from the actual results of their trading strategy just to understand how they performed.
The real question comes later.
As more $GRVT enters circulation and the pressure to create enough demand to absorb future token unlocks grows, will GRVT still put the user experience first and stay true to GRVT's User-First Token Discipline?
Or @grvt_io will expanding token demand eventually take priority?
$SKHYNIX #grvt
Users will be able to stake $GRVT to unlock Membership and gain additional benefits across the GRVT exchange and its ecosystem.
That isn't surprising.
What stood out to me was a very common source of token demand that, at least for now, doesn't seem to be part of GRVT's design.
Using $GRVT to pay trading fees.
If users had to pay trading fees in $GRVT, every trade would naturally create additional demand for the token.
But that would come at a different cost for users.
People don't just want low trading fees. They also want trading costs that stay predictable, so calculating PnL, reconciling trades, and tracking performance remain straightforward.
Once trading fees are paid in a token with a constantly changing price, they stop being a fixed cost.
Every time users calculate their PnL or reconcile their trading history, they also have to account for the value of $GRVT when each fee was paid.
And if they keep a balance of $GRVT specifically for trading fees, that balance introduces its own gains and losses, separate from the trading strategy itself.
So GRVT could absolutely create another source of demand for its token, but the cost would ultimately be paid through the user experience.
Instead, GRVT appears willing to leave that source of demand on the table.
That choice reflects GRVT's User-First Token Discipline.
Rather than pushing the volatility of its own token into trading fees to create more demand, GRVT allows trading fees to remain just trading fees, while PnL reflects the performance of the trades themselves.
Users don't have to separate the impact of $GRVT's price movements from the actual results of their trading strategy just to understand how they performed.
The real question comes later.
As more $GRVT enters circulation and the pressure to create enough demand to absorb future token unlocks grows, will GRVT still put the user experience first and stay true to GRVT's User-First Token Discipline?
Or @grvt_io will expanding token demand eventually take priority?
$SKHYNIX #grvt
Übersetzung ansehen
While going through Newton Protocol's documentation, I found myself looking for the numbers that usually define a crypto protocol.
TVL. TPS. Benchmark charts.
Surprisingly, they were barely mentioned. Most of the documentation is about policies, simulations, data oracles, deployment, and authorization instead.
My first thought was simple: maybe those numbers just aren't worth highlighting yet.
But after reading more, I started wondering if leaving them out was actually a deliberate choice.
Once a protocol gives the market a headline metric, that number rarely stays just a metric. It becomes the lens people use to judge progress. Developers start optimizing for it. The community follows it. Comparisons naturally revolve around it. Before long, product decisions begin drifting toward improving that single number because it has become the easiest way to demonstrate success.
That's what made me think about Measurement Lock-in.
A metric is supposed to measure progress. But over time, it can also start shaping it. The earlier a protocol anchors itself to one scoreboard, the harder it becomes to justify investments that don't immediately move that metric, even if they make the architecture stronger in the long run.
Newton Protocol, on the other hand, is still building a programmable policy layer that could eventually support AI agents, wallets, vaults, RWAs, and use cases that haven't fully emerged yet. At this stage, @NewtonProtocol preserving flexibility may matter more than proving performance. Once the market starts judging a protocol through a single KPI, every roadmap decision is inevitably pulled toward improving that KPI. What begins as a way to describe the protocol can gradually become a constraint on how the protocol evolves.
Maybe that's why the missing metrics stood out to me. If Newton is intentionally avoiding Measurement Lock-in, then perhaps the more interesting question isn't, "Why isn't Newton publishing more numbers?" It's, "What kind of protocol is still too early to let a single metric define what success looks like?"
$NEWT $DEXE #Newt
TVL. TPS. Benchmark charts.
Surprisingly, they were barely mentioned. Most of the documentation is about policies, simulations, data oracles, deployment, and authorization instead.
My first thought was simple: maybe those numbers just aren't worth highlighting yet.
But after reading more, I started wondering if leaving them out was actually a deliberate choice.
Once a protocol gives the market a headline metric, that number rarely stays just a metric. It becomes the lens people use to judge progress. Developers start optimizing for it. The community follows it. Comparisons naturally revolve around it. Before long, product decisions begin drifting toward improving that single number because it has become the easiest way to demonstrate success.
That's what made me think about Measurement Lock-in.
A metric is supposed to measure progress. But over time, it can also start shaping it. The earlier a protocol anchors itself to one scoreboard, the harder it becomes to justify investments that don't immediately move that metric, even if they make the architecture stronger in the long run.
Newton Protocol, on the other hand, is still building a programmable policy layer that could eventually support AI agents, wallets, vaults, RWAs, and use cases that haven't fully emerged yet. At this stage, @NewtonProtocol preserving flexibility may matter more than proving performance. Once the market starts judging a protocol through a single KPI, every roadmap decision is inevitably pulled toward improving that KPI. What begins as a way to describe the protocol can gradually become a constraint on how the protocol evolves.
Maybe that's why the missing metrics stood out to me. If Newton is intentionally avoiding Measurement Lock-in, then perhaps the more interesting question isn't, "Why isn't Newton publishing more numbers?" It's, "What kind of protocol is still too early to let a single metric define what success looks like?"
$NEWT $DEXE #Newt
Verifiziert
Als ich zum ersten Mal USDT in die GRVT-Börse eingezahlt habe, öffnete ich die Liste der unterstützten Chains.
Solana war dort. BNB Chain war dort. Tron war dort.
Aber Plasma nicht.
Ich war wirklich überrascht. Plasma wurde speziell mit Blick auf Stablecoins entwickelt, insbesondere USDT. Da GRVT bereits die meisten großen Chains unterstützt, in denen Liquidität gebündelt ist, ließ das Fehlen von Plasma mich vermuten, dass sie möglicherweise eine bedeutende Quelle an Kapital übersehen.
Nachdem ich über den Einzahlungsbildschirm hinausgeschaut hatte, wurde mir klar, dass es hier nicht einfach nur darum ging, eine weitere Chain hinzuzufügen oder zu entfernen.
Jede neue Chain bedeutet eine weitere Wallet, mehr Infrastruktur, mehr Überwachung, mehr Abläufe und eine größere Angriffsfläche, die es zu pflegen gilt. Die Unterstützung einer weiteren Chain erweitert nicht nur die Einzahlungsmöglichkeiten. Sie erweitert auch die Infrastruktur, über die GRVT langfristig hinweg operieren muss.
Da schaute ich zurück auf die Chains, die bereits auf der Liste standen.
Solana, BNB Chain und Tron sind alles Ökosysteme, in denen Handels- und DeFi-Liquidität tief verankert sind. Nach einer Einzahlung ist es wahrscheinlicher, dass Kapital aus diesen Chains weiterhin in Handelsaktivitäten auf GRVT fließt. Plasma hingegen wurde für Stablecoin-Zahlungen ausgelegt. Das bedeutet nicht, dass Kapital auf Plasma nicht zu Handelskapital werden kann, aber es heißt, dass GRVT berücksichtigen muss, ob die Handelsaktivität, die es erzeugt, ausreicht, um die Integrationskosten und die langfristige Infrastruktur zu rechtfertigen, die erforderlich ist, um eine weitere Chain zu unterstützen.
Aus dieser Perspektive betrachtet, optimiert GRVT möglicherweise nicht mehr die Anzahl der unterstützten Chains, sondern Capital Onboarding Discipline. Jede neue Chain muss mehr liefern als nur zusätzliches Kapital. Sie muss auch nachweisen, dass das Kapital, das sie einbringt, in Handelsaktivität umgewandelt werden kann, die die operativen Kosten rechtfertigt, die GRVT bereit ist zu tragen.
Darauf werde ich achten: die nächste Chain, die GRVT auswählt, um sie zu unterstützen. Falls Plasma irgendwann in dieser Liste auftaucht, wird mich nicht interessieren, dass es nur eine weitere Einzahlungsmöglichkeit gibt. Mich wird vielmehr interessieren zu verstehen, was sich bei GRVT geändert haben muss, damit Kapital aus der Plasma-Chain schließlich den Standard der Capital Onboarding Discipline erfüllt hat.
@grvt_io #grvt
Solana war dort. BNB Chain war dort. Tron war dort.
Aber Plasma nicht.
Ich war wirklich überrascht. Plasma wurde speziell mit Blick auf Stablecoins entwickelt, insbesondere USDT. Da GRVT bereits die meisten großen Chains unterstützt, in denen Liquidität gebündelt ist, ließ das Fehlen von Plasma mich vermuten, dass sie möglicherweise eine bedeutende Quelle an Kapital übersehen.
Nachdem ich über den Einzahlungsbildschirm hinausgeschaut hatte, wurde mir klar, dass es hier nicht einfach nur darum ging, eine weitere Chain hinzuzufügen oder zu entfernen.
Jede neue Chain bedeutet eine weitere Wallet, mehr Infrastruktur, mehr Überwachung, mehr Abläufe und eine größere Angriffsfläche, die es zu pflegen gilt. Die Unterstützung einer weiteren Chain erweitert nicht nur die Einzahlungsmöglichkeiten. Sie erweitert auch die Infrastruktur, über die GRVT langfristig hinweg operieren muss.
Da schaute ich zurück auf die Chains, die bereits auf der Liste standen.
Solana, BNB Chain und Tron sind alles Ökosysteme, in denen Handels- und DeFi-Liquidität tief verankert sind. Nach einer Einzahlung ist es wahrscheinlicher, dass Kapital aus diesen Chains weiterhin in Handelsaktivitäten auf GRVT fließt. Plasma hingegen wurde für Stablecoin-Zahlungen ausgelegt. Das bedeutet nicht, dass Kapital auf Plasma nicht zu Handelskapital werden kann, aber es heißt, dass GRVT berücksichtigen muss, ob die Handelsaktivität, die es erzeugt, ausreicht, um die Integrationskosten und die langfristige Infrastruktur zu rechtfertigen, die erforderlich ist, um eine weitere Chain zu unterstützen.
Aus dieser Perspektive betrachtet, optimiert GRVT möglicherweise nicht mehr die Anzahl der unterstützten Chains, sondern Capital Onboarding Discipline. Jede neue Chain muss mehr liefern als nur zusätzliches Kapital. Sie muss auch nachweisen, dass das Kapital, das sie einbringt, in Handelsaktivität umgewandelt werden kann, die die operativen Kosten rechtfertigt, die GRVT bereit ist zu tragen.
Darauf werde ich achten: die nächste Chain, die GRVT auswählt, um sie zu unterstützen. Falls Plasma irgendwann in dieser Liste auftaucht, wird mich nicht interessieren, dass es nur eine weitere Einzahlungsmöglichkeit gibt. Mich wird vielmehr interessieren zu verstehen, was sich bei GRVT geändert haben muss, damit Kapital aus der Plasma-Chain schließlich den Standard der Capital Onboarding Discipline erfüllt hat.
@grvt_io #grvt
Teilweise korrekt
Übersetzung ansehen
Most authorization systems only know how to give one answer: yes or no.
Newton Protocol made me think about something different. In one of its policy examples, exceeding a spending limit does not only produce allow = false. The policy can also return a cap, exposing the maximum value that would be accepted for the same transaction.
At first, this looks like a small implementation detail.
But the more I looked at it, the more it felt like a different philosophy of authorization.
A binary rejection ends the interaction. The system refuses the request and leaves the caller to decide what happens next. Returning a constraint is different. Instead of only saying "you cannot do this", the policy also reveals the boundary that separates an acceptable action from an unacceptable one.
That difference may not matter much for software that simply retries failed requests. It could matter a lot for autonomous AI agents.
As agents become more capable, rejection is no longer just an error. It becomes feedback. A spending cap tells an agent exactly how far it exceeded the acceptable range. Instead of repeating the same mistake or waiting for human intervention, a sufficiently capable agent could generate a new transaction that already satisfies the policy.
This is why I think Newton Protocol may be preparing for Self-correcting AI Agents. @NewtonProtocol is not trying to make AI agents smarter. Instead, it is shaping the environment those agents interact with. Policies stop being static permission gates and begin acting as structured feedback that increasingly autonomous agents can learn to respond to.
That could become a much bigger architectural shift than it first appears.
Today's AI agents often stop when a policy says "no". Tomorrow's agents may treat a returned cap as guidance for the next attempt instead of the end of the current one. If that happens, the challenge for Newton Protocol will no longer be rejecting bad transactions, but designing policy outputs like cap that increasingly capable agents can keep learning from. $NEWT #Newt
Newton Protocol made me think about something different. In one of its policy examples, exceeding a spending limit does not only produce allow = false. The policy can also return a cap, exposing the maximum value that would be accepted for the same transaction.
At first, this looks like a small implementation detail.
But the more I looked at it, the more it felt like a different philosophy of authorization.
A binary rejection ends the interaction. The system refuses the request and leaves the caller to decide what happens next. Returning a constraint is different. Instead of only saying "you cannot do this", the policy also reveals the boundary that separates an acceptable action from an unacceptable one.
That difference may not matter much for software that simply retries failed requests. It could matter a lot for autonomous AI agents.
As agents become more capable, rejection is no longer just an error. It becomes feedback. A spending cap tells an agent exactly how far it exceeded the acceptable range. Instead of repeating the same mistake or waiting for human intervention, a sufficiently capable agent could generate a new transaction that already satisfies the policy.
This is why I think Newton Protocol may be preparing for Self-correcting AI Agents. @NewtonProtocol is not trying to make AI agents smarter. Instead, it is shaping the environment those agents interact with. Policies stop being static permission gates and begin acting as structured feedback that increasingly autonomous agents can learn to respond to.
That could become a much bigger architectural shift than it first appears.
Today's AI agents often stop when a policy says "no". Tomorrow's agents may treat a returned cap as guidance for the next attempt instead of the end of the current one. If that happens, the challenge for Newton Protocol will no longer be rejecting bad transactions, but designing policy outputs like cap that increasingly capable agents can keep learning from. $NEWT #Newt
Teilweise korrekt
Ein Detail im WebSocket-Design von GRVT hat meine Aufmerksamkeit erregt.
sequence_number hat nur innerhalb einer einzelnen WebSocket-Verbindung Bedeutung. Springt die Nummer, sagt das lediglich Ihrer Verbindung, dass Daten verpasst wurden. Es sagt nichts darüber aus, ob andere Clients, die mit GRVT verbunden sind, ebenfalls betroffen sind.
Besonders interessant wird das, wenn Entwickler Ausführungs-Engines oder quantitative Handelssysteme auf Basis der GRVT-APIs aufbauen.
Jede Integration verwaltet ihren eigenen Marktstatus. Das Erkennen fehlender Updates, das Anfordern eines frischen Snapshots und die Entscheidung, wann dieser Status wieder als gültig betrachtet werden kann, sind alles Aufgaben, die innerhalb der jeweiligen Integration übernommen werden. GRVT verteilt Marktereignisse, aber es entscheidet nicht darüber, ob ein Handelssystem seinen Marktstatus korrekt rekonstruiert hat.
Damit verschiebt sich, wo der Marktstatus „besitzt“ wird.
Anstatt einen einzigen autoritativen Status für jedes verbundene System zu pflegen, lässt GRVT jede Integration dafür verantwortlich, ihren eigenen Status zu verwalten. Unterschiedliche Handelssysteme können dieselben Marktereignisse nutzen, während sie dabei unterschiedliche lokale Zustände halten, weil jedes System eine andere Wiederherstellungsstrategie verfolgt, nachdem es eine Lücke erkannt hat.
Die Architektur entwickelt sich dadurch ganz natürlich in Richtung „State Ownership“.
Marktstatus zu besitzen bedeutet auch, die technischen Entscheidungen dahinter zu besitzen. Jedes Team kann die Synchronisierung, Wiederherstellung und Validierung rund um den eigenen Workflow optimieren, statt ein einzelnes Modell vom Exchange zu übernehmen. GRVT muss lediglich konsistente Marktereignisse liefern. Wie diese Ereignisse zu einem vertrauenswürdigen Marktstatus werden, wird bewusst jeder Integration überlassen.
Indem GRVT sequence_number lokal für jede WebSocket-Verbindung macht, belässt GRVT den Marktstatus bei jeder API-Integration, anstatt ihn als Bestandteil des Exchanges selbst zu behandeln.
Wenn mehr Handelssysteme über die GRVT-APIs verbunden werden, ermöglicht „State Ownership“, dass der Exchange sich auf die Verteilung von Marktereignissen konzentrieren kann, statt in ein erweitertes Management anwendungsspezifischer Zustände einzusteigen. Die Herausforderung besteht darin, weiterhin immer vielfältigere Handels-Workflows zu bedienen, ohne dabei schrittweise Ownership für die Anwendungslogik zu übernehmen, die zu jeder einzelnen Integration gehört.
$LAB @grvt_io #grvt
sequence_number hat nur innerhalb einer einzelnen WebSocket-Verbindung Bedeutung. Springt die Nummer, sagt das lediglich Ihrer Verbindung, dass Daten verpasst wurden. Es sagt nichts darüber aus, ob andere Clients, die mit GRVT verbunden sind, ebenfalls betroffen sind.
Besonders interessant wird das, wenn Entwickler Ausführungs-Engines oder quantitative Handelssysteme auf Basis der GRVT-APIs aufbauen.
Jede Integration verwaltet ihren eigenen Marktstatus. Das Erkennen fehlender Updates, das Anfordern eines frischen Snapshots und die Entscheidung, wann dieser Status wieder als gültig betrachtet werden kann, sind alles Aufgaben, die innerhalb der jeweiligen Integration übernommen werden. GRVT verteilt Marktereignisse, aber es entscheidet nicht darüber, ob ein Handelssystem seinen Marktstatus korrekt rekonstruiert hat.
Damit verschiebt sich, wo der Marktstatus „besitzt“ wird.
Anstatt einen einzigen autoritativen Status für jedes verbundene System zu pflegen, lässt GRVT jede Integration dafür verantwortlich, ihren eigenen Status zu verwalten. Unterschiedliche Handelssysteme können dieselben Marktereignisse nutzen, während sie dabei unterschiedliche lokale Zustände halten, weil jedes System eine andere Wiederherstellungsstrategie verfolgt, nachdem es eine Lücke erkannt hat.
Die Architektur entwickelt sich dadurch ganz natürlich in Richtung „State Ownership“.
Marktstatus zu besitzen bedeutet auch, die technischen Entscheidungen dahinter zu besitzen. Jedes Team kann die Synchronisierung, Wiederherstellung und Validierung rund um den eigenen Workflow optimieren, statt ein einzelnes Modell vom Exchange zu übernehmen. GRVT muss lediglich konsistente Marktereignisse liefern. Wie diese Ereignisse zu einem vertrauenswürdigen Marktstatus werden, wird bewusst jeder Integration überlassen.
Indem GRVT sequence_number lokal für jede WebSocket-Verbindung macht, belässt GRVT den Marktstatus bei jeder API-Integration, anstatt ihn als Bestandteil des Exchanges selbst zu behandeln.
Wenn mehr Handelssysteme über die GRVT-APIs verbunden werden, ermöglicht „State Ownership“, dass der Exchange sich auf die Verteilung von Marktereignissen konzentrieren kann, statt in ein erweitertes Management anwendungsspezifischer Zustände einzusteigen. Die Herausforderung besteht darin, weiterhin immer vielfältigere Handels-Workflows zu bedienen, ohne dabei schrittweise Ownership für die Anwendungslogik zu übernehmen, die zu jeder einzelnen Integration gehört.
$LAB @grvt_io #grvt
Teilweise korrekt
Übersetzung ansehen
Khi deploy một Policy bằng CLI trên Newton Protocol, policy_params cuối cùng phải được chuyển thành Flat JSON đúng với params_schema.json. Nếu giữ nguyên Nested JSON, quá trình Schema Validation sẽ thất bại và Policy sẽ không thể pass evaluation.
Điều làm mình chú ý là CLI vẫn làm việc với Nested JSON trong suốt workflow. Chỉ đến khi Policy được evaluate, toàn bộ data mới buộc phải xuất hiện dưới dạng Flat JSON.
Theo mình, đây không phải là một quy định dành cho CLI. Nó là một quy định dành cho Policy layer.
Trước khi đi vào Policy, mọi representation đều phải được chuyển về cùng một hình thức. Translation cost vẫn tồn tại, nhưng chỉ xuất hiện tại boundary của system. Sau điểm đó, Policy không còn cần biết data đến từ CLI hay bất kỳ integration nào khác. Điều duy nhất còn lại là data có khớp với schema đã công bố hay không.
Đó cũng là lúc Serialization Neutrality bắt đầu hình thành.
Điều được giữ trung lập không phải cách mỗi tool serialize data, mà là cách Policy tiếp nhận data. Mọi representation differences đều phải được loại bỏ trước khi evaluation bắt đầu. Vì vậy, mỗi integration mới chỉ cần tự xử lý serialization của mình, thay vì buộc Policy layer phải thích nghi với thêm một representation mới.
Lúc này, thách thức của Newton Protocol không nằm ở việc hỗ trợ thêm nhiều tools. Thách thức nằm ở việc tiếp tục giữ được Serialization Neutrality khi ecosystem mở rộng. Chỉ cần một integration được phép vượt qua boundary với một representation riêng, Policy layer sẽ dần phải hiểu nhiều representations khác nhau và chính Serialization Neutrality cũng sẽ mất đi ý nghĩa ban đầu.
$B $BEAT $NEWT #Newt @NewtonProtocol
Điều làm mình chú ý là CLI vẫn làm việc với Nested JSON trong suốt workflow. Chỉ đến khi Policy được evaluate, toàn bộ data mới buộc phải xuất hiện dưới dạng Flat JSON.
Theo mình, đây không phải là một quy định dành cho CLI. Nó là một quy định dành cho Policy layer.
Trước khi đi vào Policy, mọi representation đều phải được chuyển về cùng một hình thức. Translation cost vẫn tồn tại, nhưng chỉ xuất hiện tại boundary của system. Sau điểm đó, Policy không còn cần biết data đến từ CLI hay bất kỳ integration nào khác. Điều duy nhất còn lại là data có khớp với schema đã công bố hay không.
Đó cũng là lúc Serialization Neutrality bắt đầu hình thành.
Điều được giữ trung lập không phải cách mỗi tool serialize data, mà là cách Policy tiếp nhận data. Mọi representation differences đều phải được loại bỏ trước khi evaluation bắt đầu. Vì vậy, mỗi integration mới chỉ cần tự xử lý serialization của mình, thay vì buộc Policy layer phải thích nghi với thêm một representation mới.
Lúc này, thách thức của Newton Protocol không nằm ở việc hỗ trợ thêm nhiều tools. Thách thức nằm ở việc tiếp tục giữ được Serialization Neutrality khi ecosystem mở rộng. Chỉ cần một integration được phép vượt qua boundary với một representation riêng, Policy layer sẽ dần phải hiểu nhiều representations khác nhau và chính Serialization Neutrality cũng sẽ mất đi ý nghĩa ban đầu.
$B $BEAT $NEWT #Newt @NewtonProtocol
Übersetzung ansehen
A few days ago, I noticed an interesting detail while exploring GRVT. Different API keys can be assigned different permissions. Some are allowed to place orders. Others can transfer assets. Others are limited to read-only access. No single key is expected to do everything.
Instead of treating permissions as a convenience feature, GRVT uses them to separate authority before any operation begins.
Every new capability on GRVT does not automatically become available to every API key. Trading, funding, withdrawals and account management each remain behind separate permission scopes. As a result, every credential carries only the authority it was explicitly given, instead of inheriting every capability attached to the account.
That changes what happens when a credential is compromised.
The incident is confined to the permission scope of that specific key rather than expanding across the entire account. Adding new API capabilities therefore does not automatically increase the consequence of an existing compromise, because newly introduced authority remains isolated from credentials that never received it.
This is where Blast Radius Reduction starts to emerge.
Once authority is allowed to grow through independent permission scopes instead of accumulating behind the same credential, the platform can continue expanding without forcing risk to grow in the same way. New capabilities increase what GRVT can do, while each permission boundary continues to contain the consequences of its own compromise.
Looking back, those API permissions no longer feel like a developer convenience. They reveal how GRVT expects the platform to evolve. As more APIs, products and workflows are introduced, authority does not have to converge into a single credential. If that principle continues to hold, Blast Radius Reduction will scale together with GRVT, allowing @grvt_io to expand without every new capability becoming another shared source of risk.
$TAG $LAB #grvt
Instead of treating permissions as a convenience feature, GRVT uses them to separate authority before any operation begins.
Every new capability on GRVT does not automatically become available to every API key. Trading, funding, withdrawals and account management each remain behind separate permission scopes. As a result, every credential carries only the authority it was explicitly given, instead of inheriting every capability attached to the account.
That changes what happens when a credential is compromised.
The incident is confined to the permission scope of that specific key rather than expanding across the entire account. Adding new API capabilities therefore does not automatically increase the consequence of an existing compromise, because newly introduced authority remains isolated from credentials that never received it.
This is where Blast Radius Reduction starts to emerge.
Once authority is allowed to grow through independent permission scopes instead of accumulating behind the same credential, the platform can continue expanding without forcing risk to grow in the same way. New capabilities increase what GRVT can do, while each permission boundary continues to contain the consequences of its own compromise.
Looking back, those API permissions no longer feel like a developer convenience. They reveal how GRVT expects the platform to evolve. As more APIs, products and workflows are introduced, authority does not have to converge into a single credential. If that principle continues to hold, Blast Radius Reduction will scale together with GRVT, allowing @grvt_io to expand without every new capability becoming another shared source of risk.
$TAG $LAB #grvt
Übersetzung ansehen
Khi sử dụng một Policy Pack trong Newton Protocol, developer không cần tự build hay deploy Data Oracle. Data Oracle đã được triển khai sẵn. Việc còn lại chỉ là tham chiếu đến PolicyData Address, cấu hình các Parameters cần thiết rồi bắt đầu viết Policy.
Với workflow này, mình nghĩ Newton Protocol đang thay đổi loại Cost mà developer phải trả.
Nếu tự xây toàn bộ Data Oracle, mỗi lần update hay Maintenance đều lấy đi một phần thời gian vốn có thể dành cho việc cải thiện Decision. Mỗi giờ dành cho Maintenance đồng nghĩa với ít thời gian hơn để thử Ideas mới.
Policy Packs đảo ngược điều đó.
Khi Infrastructure đã được duy trì sẵn, Maintenance không còn là gánh nặng mà từng developer phải lặp lại. Thời gian được trả về để thiết kế Policy, điều chỉnh Business Logic và thử Decisions mới. Cost lớn nhất không còn nằm ở việc vận hành Infrastructure, mà chuyển sang việc tìm ra cách diễn giải Data tốt hơn.
Đó cũng là lúc Opportunity Cost bắt đầu thay đổi.
Mỗi giờ không phải dành cho Maintenance đồng nghĩa với thêm một giờ để thử một Policy, kiểm chứng Assumption hoặc tối ưu một Decision. Value của Policy Packs không chỉ nằm ở việc giảm khối lượng công việc, mà ở việc chuyển thời gian sang những hoạt động tạo ra nhiều khác biệt hơn.
Nhìn theo góc đó, mình thấy Newton Protocol không chỉ cung cấp những Policy Packs có sẵn. Mà đang dịch chuyển Opportunity Cost của developer khỏi những công việc lặp lại để tập trung vào Innovation. Nếu ngày càng nhiều builders cùng bắt đầu từ một lớp Infrastructure chung, lợi thế của @NewtonProtocol sẽ dần tích lũy ở chất lượng của Decision, bởi ngày càng nhiều nguồn lực được chuyển từ Maintenance sang Innovation #Newt $SKL $LAB $NEWT
Với workflow này, mình nghĩ Newton Protocol đang thay đổi loại Cost mà developer phải trả.
Nếu tự xây toàn bộ Data Oracle, mỗi lần update hay Maintenance đều lấy đi một phần thời gian vốn có thể dành cho việc cải thiện Decision. Mỗi giờ dành cho Maintenance đồng nghĩa với ít thời gian hơn để thử Ideas mới.
Policy Packs đảo ngược điều đó.
Khi Infrastructure đã được duy trì sẵn, Maintenance không còn là gánh nặng mà từng developer phải lặp lại. Thời gian được trả về để thiết kế Policy, điều chỉnh Business Logic và thử Decisions mới. Cost lớn nhất không còn nằm ở việc vận hành Infrastructure, mà chuyển sang việc tìm ra cách diễn giải Data tốt hơn.
Đó cũng là lúc Opportunity Cost bắt đầu thay đổi.
Mỗi giờ không phải dành cho Maintenance đồng nghĩa với thêm một giờ để thử một Policy, kiểm chứng Assumption hoặc tối ưu một Decision. Value của Policy Packs không chỉ nằm ở việc giảm khối lượng công việc, mà ở việc chuyển thời gian sang những hoạt động tạo ra nhiều khác biệt hơn.
Nhìn theo góc đó, mình thấy Newton Protocol không chỉ cung cấp những Policy Packs có sẵn. Mà đang dịch chuyển Opportunity Cost của developer khỏi những công việc lặp lại để tập trung vào Innovation. Nếu ngày càng nhiều builders cùng bắt đầu từ một lớp Infrastructure chung, lợi thế của @NewtonProtocol sẽ dần tích lũy ở chất lượng của Decision, bởi ngày càng nhiều nguồn lực được chuyển từ Maintenance sang Innovation #Newt $SKL $LAB $NEWT
Verifiziert
Erfahre mehr über „Chaining Multiple Data Oracles“ in den Dokus des Newton Protocols. Ich bin ziemlich überrascht darüber, was Data Oracles niemals tun.
Jeder Data Oracle liefert nur Facts wie risk_score, is_collapsed oder tvl_drawdown. Sie treffen keine Schlussfolgerungen, ob eine Transaktion Allow oder Deny ist. Diese Aufgabe bleibt für die Rego-Policy.
Das ist nicht nur eine Aufteilung der Verantwortlichkeiten.
Es zeigt auch, dass das Newton Protocol Fact von Judgment trennt.
Wenn ein Fact nicht mehr an ein festes Judgment gebunden ist, kann derselbe risk_score von mehreren Policies auf völlig unterschiedliche Weise interpretiert werden. Eine Policy hält 60 für ausreichend sicher, um Allow zu erlauben; eine andere akzeptiert wiederum nur Werte ab 80. Der Fact bleibt gleich, nur das Judgment ändert sich.
Ein Fact beendet seine Rolle daher nicht nach der ersten Nutzung. Wenn eine weitere Policy hinzukommt, wird genau dieser Fact erneut anhand eines neuen Maßstabs interpretiert, um eine andere Decision zu erzeugen, ohne die Daten von Grund auf erneut zu sammeln.
Der Wert eines Facts endet ebenfalls nicht beim ersten Gebrauch.
Jede neue Policy eröffnet einen weiteren Kontext, sodass der alte Fact weiterhin Wert erzeugen kann. Genau diese Trennung zwischen Fact und Judgment hat einen Fact Appreciation Mechanism geschaffen.
Am interessantesten finde ich, dass das Newton Protocol nicht versucht, Data Oracles dazu zu bringen, mehr Facts zu erzeugen. @NewtonProtocol sorgt dafür, dass jeder Fact weiterhin Wert erzeugt, nachdem er einmal erschaffen wurde. Wenn das Ökosystem um weitere Policies wächst, werden die alten Facts fortlaufend anhand neuer Standards neu interpretiert. Wenn sich dieser Prozess weiter wiederholt, führt der Fact Appreciation Mechanism dazu, dass der Wert der Daten mit dem Wachstum des gesamten Ökosystems steigt – statt nur beim ersten Einsatz stehen zu bleiben.
#Newt $EVAA $NEWT
Jeder Data Oracle liefert nur Facts wie risk_score, is_collapsed oder tvl_drawdown. Sie treffen keine Schlussfolgerungen, ob eine Transaktion Allow oder Deny ist. Diese Aufgabe bleibt für die Rego-Policy.
Das ist nicht nur eine Aufteilung der Verantwortlichkeiten.
Es zeigt auch, dass das Newton Protocol Fact von Judgment trennt.
Wenn ein Fact nicht mehr an ein festes Judgment gebunden ist, kann derselbe risk_score von mehreren Policies auf völlig unterschiedliche Weise interpretiert werden. Eine Policy hält 60 für ausreichend sicher, um Allow zu erlauben; eine andere akzeptiert wiederum nur Werte ab 80. Der Fact bleibt gleich, nur das Judgment ändert sich.
Ein Fact beendet seine Rolle daher nicht nach der ersten Nutzung. Wenn eine weitere Policy hinzukommt, wird genau dieser Fact erneut anhand eines neuen Maßstabs interpretiert, um eine andere Decision zu erzeugen, ohne die Daten von Grund auf erneut zu sammeln.
Der Wert eines Facts endet ebenfalls nicht beim ersten Gebrauch.
Jede neue Policy eröffnet einen weiteren Kontext, sodass der alte Fact weiterhin Wert erzeugen kann. Genau diese Trennung zwischen Fact und Judgment hat einen Fact Appreciation Mechanism geschaffen.
Am interessantesten finde ich, dass das Newton Protocol nicht versucht, Data Oracles dazu zu bringen, mehr Facts zu erzeugen. @NewtonProtocol sorgt dafür, dass jeder Fact weiterhin Wert erzeugt, nachdem er einmal erschaffen wurde. Wenn das Ökosystem um weitere Policies wächst, werden die alten Facts fortlaufend anhand neuer Standards neu interpretiert. Wenn sich dieser Prozess weiter wiederholt, führt der Fact Appreciation Mechanism dazu, dass der Wert der Daten mit dem Wachstum des gesamten Ökosystems steigt – statt nur beim ersten Einsatz stehen zu bleiben.
#Newt $EVAA $NEWT
Verifiziert
Bevor ein Policy deployed wird, verlangt das Newton Protocol, drei Schritte durchzugehen: Unit Tests für die Rego-Policy, dann separat Tests für jedes einzelne WASM-Oracle und erst danach die gesamte Policy mit Real-World-Daten zu simulieren.
Diese Schritte dienen nicht einfach nur dazu, jede Komponente für sich zu prüfen. Sie sind so angeordnet, dass die noch unbekannten Aspekte einer Decision Schritt für Schritt eingegrenzt werden. Nach jeder Runde der Validierung wird der Umfang dessen, was erst beim Deployment erneut bestätigt werden muss, zunehmend kleiner.
Normalerweise ist das Deployment der wichtigste Zeitpunkt, um zu wissen, ob eine Decision tatsächlich so funktioniert wie erwartet. Selbst nach vielen Runden an Tests ist die Production-Umgebung für viele Teams der Ort, an dem sie Dinge lernen, die sie vorher nicht wissen konnten.
Beim Newton Protocol läuft ein Großteil dieses Prozesses jedoch bereits während der Entwicklung ab. Rego-Policy, WASM-Oracle und Daten werden zusammengeführt, um die gesamte Decision zu simulieren, bevor das Deployment überhaupt stattfindet. Das bringt mich zu dem Gedanken, dass das Newton Protocol auf eine Architektur „Pre-validated Deployment“ abzielt.
In diesem Fall wird das Deployment vor allem zu einem Schritt, um eine bereits validierte Decision freizugeben – statt dem Ort, an dem das System weiter lernt, ob diese Decision richtig oder falsch ist.
Was ich besonders bemerkenswert finde, ist, dass das Newton Protocol scheinbar die Rolle des Deployments verändert. Wenn Deployment nicht mehr der Ort ist, an dem Validierung entsteht, ist es auch nicht mehr der Ort, an dem das System lernt, ob eine Decision korrekt ist oder nicht.
Vielleicht liegt genau darin die Bedeutung der Architektur „Pre-validated Deployment“. Nicht unbedingt ein umfassenderer Testprozess, sondern ein architektonisches Prinzip, das die Validierung aus der Production herausverlagert. Ich bin ziemlich gespannt, ob das nur eine Option des Newton Protocol bleibt oder ob es sich künftig zu der Art entwickelt, wie viele Software-Systeme gebaut werden? $EVAA $NEWT #Newt @NewtonProtocol
Diese Schritte dienen nicht einfach nur dazu, jede Komponente für sich zu prüfen. Sie sind so angeordnet, dass die noch unbekannten Aspekte einer Decision Schritt für Schritt eingegrenzt werden. Nach jeder Runde der Validierung wird der Umfang dessen, was erst beim Deployment erneut bestätigt werden muss, zunehmend kleiner.
Normalerweise ist das Deployment der wichtigste Zeitpunkt, um zu wissen, ob eine Decision tatsächlich so funktioniert wie erwartet. Selbst nach vielen Runden an Tests ist die Production-Umgebung für viele Teams der Ort, an dem sie Dinge lernen, die sie vorher nicht wissen konnten.
Beim Newton Protocol läuft ein Großteil dieses Prozesses jedoch bereits während der Entwicklung ab. Rego-Policy, WASM-Oracle und Daten werden zusammengeführt, um die gesamte Decision zu simulieren, bevor das Deployment überhaupt stattfindet. Das bringt mich zu dem Gedanken, dass das Newton Protocol auf eine Architektur „Pre-validated Deployment“ abzielt.
In diesem Fall wird das Deployment vor allem zu einem Schritt, um eine bereits validierte Decision freizugeben – statt dem Ort, an dem das System weiter lernt, ob diese Decision richtig oder falsch ist.
Was ich besonders bemerkenswert finde, ist, dass das Newton Protocol scheinbar die Rolle des Deployments verändert. Wenn Deployment nicht mehr der Ort ist, an dem Validierung entsteht, ist es auch nicht mehr der Ort, an dem das System lernt, ob eine Decision korrekt ist oder nicht.
Vielleicht liegt genau darin die Bedeutung der Architektur „Pre-validated Deployment“. Nicht unbedingt ein umfassenderer Testprozess, sondern ein architektonisches Prinzip, das die Validierung aus der Production herausverlagert. Ich bin ziemlich gespannt, ob das nur eine Option des Newton Protocol bleibt oder ob es sich künftig zu der Art entwickelt, wie viele Software-Systeme gebaut werden? $EVAA $NEWT #Newt @NewtonProtocol
Anmelden und weiter Inhalte entdecken