W Shakespeare

Un detalle en la API de GRVT llamó mi atención.
Además de su API nativa, GRVT también admite integración mediante CCXT, lo que permite a los desarrolladores conectarse usando la misma interfaz que ya utilizan en muchos otros exchanges.
Al principio, parecía una simple función de compatibilidad.
Luego me di cuenta de que GRVT estaba reduciendo un costo que aparece incluso antes de que comience el desarrollo del producto. Ese costo está dentro de la capa de integración, mucho antes de que los desarrolladores tengan la oportunidad de mejorar el propio sistema de trading.
Muchos desarrolladores ya construyen bots de trading y sistemas de trading algorítmico sobre CCXT. Su código de integración, sus abstracciones y sus flujos de despliegue ya existen. Añadir GRVT no requiere rediseñar esa capa de integración solo porque se haya introducido otro exchange.
Eso cambia dónde empieza el esfuerzo de ingeniería.
En lugar de volver a revisar la conectividad, los desarrolladores pueden seguir construyendo sobre una capa de integración que ya confían. Se dedica más tiempo a perfeccionar la lógica de ejecución, mejorar los modelos de trading y probar nuevas ideas en vez de reemplazar infraestructura que ya funciona.
El costo real no es aprender otra API. Es reescribir sistemas que ya funcionan antes de que pueda comenzar un desarrollo significativo. Ahí es donde aparece silenciosamente el Innovation Tax.
Al admitir CCXT, GRVT evita introducir ese impuesto. El código e incluso las abstracciones de integración existentes se mantienen reutilizables, permitiendo que el esfuerzo de ingeniería se dirija directamente hacia las partes de un sistema de trading que realmente generan diferenciación. La capa de integración deja de ser el lugar donde los desarrolladores pasan la mayor parte del tiempo adaptando software y se convierte en una base estable sobre la cual construir.
El compromiso es igual de claro. Al reducir el Innovation Tax, GRVT también renuncia a la oportunidad de competir mediante fricción de integración o una experiencia de desarrollador propietaria. Una vez que la conectividad se vuelve familiar, los desarrolladores evalúan GRVT con mucha más claridad en función de la calidad de ejecución, las capacidades del producto y el valor que la plataforma crea más allá de su API. Cuanto más fácil es conectar, más difícil tiene que ser que el propio producto compita.
@grvt_io #grvt

Al mirar hacia atrás la Competencia de Trading de Volumen de GRVT para KR / JP / CN, no creo que haya sido solo otra campaña de trading.
El evento se realizó del 2 de febrero al 22 de febrero, y los participantes eligieron uno de tres cupos de país.
Después de revisar las reglas de nuevo, creo que la campaña estaba resolviendo dos problemas diferentes al mismo tiempo.
El primero era dónde construir liquidez.
Elegir Corea, Japón y China no fue aleatorio. Son tres de las regiones de trading cripto más activas del mundo, con liquidez profunda y comunidades de trading altamente activas. Si GRVT quería fortalecer la liquidez antes del próximo TGE del token $GRVT, concentrar la campaña en estos mercados le daba la mejor oportunidad de atraer una actividad de trading significativa.
El segundo era quién debía generar esa liquidez.
GRVT excluyó explícitamente cuentas institucionales, vinculadas a empresas y basadas en estrategias.
Si el objetivo hubiera sido simplemente maximizar el volumen de trading, esa decisión no tendría mucho sentido. Los participantes institucionales podrían haber generado cifras mucho mayores con mucho menos cuentas.
En cambio, GRVT aumentó la probabilidad de que la actividad detrás de su volumen proviniera de usuarios minoristas.
Eso le dio al exchange una mejor oportunidad de atraer más cuentas con fondos, más traders activos, más transacciones y que la actividad de trading se distribuyera entre una base de usuarios mucho más amplia, en lugar de concentrarse en un puñado de cuentas grandes.
La diferencia no es solo estadística.
Estas métricas muestran una imagen muy distinta del exchange de GRVT. En lugar de parecer un exchange cuya actividad depende de unos pocos actores grandes, @grvt_io tiene más probabilidades de parecer una plataforma donde la participación es amplia, orgánica y impulsada por la comunidad.
La competencia terminó en febrero.
Sus resultados quizá no se vean completamente hasta que $GRVT llegue al mercado.
Si esta estrategia funcionó, la competencia no solo se recordará por la liquidez que ayudó a construir, sino por la historia que ayudó a GRVT a contar sobre el exchange cuando el token finalmente se lanzó.
$LAB #grvt

Antes pensaba que Mainnet era como el kickoff.
La red se pone en marcha, llegan los desarrolladores y, poco a poco, todos averiguan cómo jugar. La documentación mejora con el tiempo a medida que aparecen nuevas preguntas. Ese ritmo se ha vuelto tan común en cripto que casi nunca lo cuestioné.
Luego miré Newton Protocol.
Antes de Mainnet Beta, la documentación para desarrolladores ya cubría mucho más que el propio protocolo. Había guías para probar políticas, encadenar múltiples oráculos de datos, desplegar mediante la CLI o el Dashboard, simular políticas de principio a fin, gestionar secretos y usar Policy Packs. No solo describía qué podían construir los desarrolladores, sino también cómo se esperaba que se desarrollara ese proceso.
Eso me hizo mirar el lanzamiento de otra forma.
En la mayoría de los ecosistemas, la documentación sigue a Mainnet. Los desarrolladores, en conjunto, descubren convenciones después de que la red está en vivo, y esas convenciones se convierten lentamente en los estándares no oficiales del ecosistema.
Newton parece invertir esa secuencia.
Para cuando llegó Mainnet Beta, gran parte del proceso de desarrollo ya estaba documentado, estructurado y demostrado. Los creadores no partían de una página en blanco, sino de un entorno con un flujo de trabajo de ingeniería establecido.
La consecuencia es más significativa de lo que parece a primera vista.
Cuando cada equipo descubre su propio flujo de trabajo después del lanzamiento, el ecosistema acumula naturalmente diferentes hábitos de ingeniería. Con el tiempo, esos hábitos se vuelven fragmentación.
Cuando el flujo de trabajo llega primero, el protocolo distribuye una mentalidad de ingeniería común junto con su infraestructura. Los desarrolladores siguen teniendo libertad para crear aplicaciones distintas, pero comienzan con las mismas suposiciones sobre cómo escribir, probar, simular y desplegar políticas.
Por eso el momento de Newton Mainnet Beta llamó tanto mi atención.
Quizá Mainnet nunca estuvo pensado como el momento en que los desarrolladores aprendieran las reglas. Newton Protocol parecía asegurarse de que el manual llegara primero, de modo que cuando por fin llegó el kickoff, el ecosistema pudiera pasar menos tiempo averiguando cómo jugar y más tiempo decidiendo qué construir. @NewtonProtocol $LAB $NEWT #Newt

Después del próximo TGE, el token $GRVT tendrá múltiples fuentes de demanda.
Los usuarios podrán apostar $GRVT para desbloquear la Membresía y obtener beneficios adicionales en el intercambio GRVT y su ecosistema.
Eso no es sorprendente.
Lo que me llamó la atención fue una fuente de demanda de tokens muy común que, al menos por ahora, no parece formar parte del diseño de GRVT.
Usar $GRVT para pagar comisiones de trading.
Si los usuarios tuvieran que pagar comisiones de trading en $GRVT, cada operación generaría naturalmente una demanda adicional del token.
Pero eso implicaría un costo diferente para los usuarios.
La gente no solo quiere comisiones bajas. También quiere costos de trading que se mantengan predecibles, para que calcular PnL, conciliar operaciones y hacer seguimiento del rendimiento sigan siendo sencillos.
Una vez que las comisiones de trading se pagan con un token cuyo precio cambia constantemente, dejan de ser un costo fijo.
Cada vez que los usuarios calculan su PnL o concilian su historial de trading, también tienen que tener en cuenta el valor de $GRVT cuando se pagó cada comisión.
Y si mantienen un saldo de $GRVT específicamente para comisiones de trading, ese saldo introduce sus propias ganancias y pérdidas, separadas de la estrategia de trading en sí.
Así que GRVT podría crear sin duda otra fuente de demanda para su token, pero el costo se pagaría finalmente a través de la experiencia del usuario.
En cambio, parece que GRVT está dispuesto a dejar esa fuente de demanda sobre la mesa.
Esa elección refleja la Disciplina de Token Centrada en el Usuario de GRVT.
En lugar de impulsar la volatilidad de su propio token dentro de las comisiones de trading para generar más demanda, GRVT permite que las comisiones de trading sigan siendo simplemente comisiones de trading, mientras que el PnL refleja el rendimiento de las operaciones en sí.
Los usuarios no tienen que separar el impacto de los movimientos de precio de $GRVT de los resultados reales de su estrategia de trading solo para entender cómo les fue.
La pregunta real llega más adelante.
A medida que más $GRVT entre en circulación y aumente la presión para generar suficiente demanda para absorber los próximos desbloqueos de tokens, ¿GRVT seguirá poniendo la experiencia del usuario primero y manteniéndose fiel a la Disciplina de Token Centrada en el Usuario de GRVT?
¿O @grvt_io al expandirse la demanda de tokens eventualmente tomará prioridad?
$SKHYNIX #grvt

Al recorrer la documentación del Protocolo Newton, me encontré buscando los números que normalmente definen un protocolo cripto.
TVL. TPS. Gráficos de benchmark.
Sorprendentemente, se mencionaban apenas. La mayor parte de la documentación trata sobre políticas, simulaciones, oráculos de datos, despliegue y autorización.
Mi primera idea fue simple: tal vez esos números todavía no valen la pena destacarse.
Pero después de leer más, empecé a preguntarme si dejarlos fuera era en realidad una elección deliberada.
Una vez que un protocolo le da al mercado una métrica principal, ese número rara vez se queda solo como una métrica. Se convierte en la lente con la que la gente juzga el progreso. Los desarrolladores empiezan a optimizar para ello. La comunidad lo sigue. Las comparaciones naturalmente giran en torno a eso. No tarda en ocurrir que las decisiones de producto empiecen a desplazarse hacia mejorar ese único número porque se ha convertido en la forma más fácil de demostrar éxito.
Eso es lo que me hizo pensar en el Lock-in de Medición.
Una métrica debería medir el progreso. Pero con el tiempo, también puede empezar a darle forma. Cuanto antes un protocolo se ancla a un solo marcador, más difícil se vuelve justificar inversiones que no mueven de inmediato esa métrica, incluso si a largo plazo fortalecen la arquitectura.
Newton Protocol, en cambio, todavía está construyendo una capa de políticas programable que eventualmente podría soportar agentes de IA, wallets, bóvedas, RWAs y casos de uso que aún no han surgido por completo. En esta etapa, @NewtonProtocol preservar la flexibilidad puede importar más que demostrar rendimiento. Cuando el mercado empieza a juzgar un protocolo a través de un único KPI, cada decisión de hoja de ruta se ve inevitablemente arrastrada hacia la mejora de ese KPI. Lo que comienza como una forma de describir el protocolo puede, gradualmente, convertirse en una restricción sobre cómo evoluciona.
Tal vez por eso las métricas que faltaban llamaron tanto mi atención. Si Newton está evitando intencionalmente el Lock-in de Medición, entonces quizá la pregunta más interesante no es, "¿Por qué Newton no publica más números?". Es, "¿Qué tipo de protocolo todavía es demasiado temprano como para permitir que una sola métrica defina cómo se ve el éxito?"
$NEWT $DEXE #Newt

La primera vez que deposité USDT en el exchange GRVT, abrí la lista de cadenas compatibles.
Ahí estaba Solana. Ahí estaba BNB Chain. Ahí estaba Tron.
Pero Plasma no estaba.
Me sorprendió de verdad. Plasma se construyó pensando en stablecoins, especialmente USDT. Como GRVT ya admite la mayoría de las cadenas principales donde se concentra la liquidez, ver que faltaba Plasma me hizo pensar que podrían estar pasando por alto una fuente de capital significativa.
Al mirar más allá de la pantalla de depósito, me di cuenta de que no se trataba simplemente de agregar o quitar otra cadena.
Cada cadena nueva significa otro monedero, más infraestructura, más monitoreo, más operaciones y una mayor superficie de seguridad que mantener. Dar soporte a otra cadena no solo amplía las opciones de depósito. También amplía la infraestructura que GRVT tiene que operar con el tiempo.
Fue entonces cuando miré de nuevo las cadenas que ya estaban en la lista.
Solana, BNB Chain y Tron son ecosistemas donde el trading y la liquidez de DeFi están profundamente establecidos. Después de un depósito, el capital de esas cadenas tiene más probabilidades de seguir fluyendo hacia la actividad de trading en GRVT. Plasma, en cambio, se diseñó en torno a los pagos con stablecoins. Eso no significa que el capital en Plasma no pueda convertirse en capital de trading, pero sí significa que GRVT tiene que considerar si la actividad de trading que genera es suficiente para justificar el costo de la integración y la infraestructura a largo plazo necesaria para dar soporte a otra cadena.
Visto desde esa perspectiva, lo que GRVT podría estar optimizando ya no es la cantidad de cadenas compatibles, sino la Disciplina de Admisión de Capital. Cada cadena nueva tiene que aportar más que capital adicional. También debe demostrar que el capital que introduce puede convertirse en actividad de trading que justifique el costo operativo que GRVT está dispuesto a asumir.
Lo que voy a observar es la próxima cadena que GRVT decida admitir. Si Plasma eventualmente aparece en esa lista, lo que me interesará no será tener una opción de depósito más. Será entender qué cambió para que GRVT concluyera que el capital de la cadena Plasma finalmente había alcanzado su estándar de Disciplina de Admisión de Capital.
@grvt_io #grvt

La mayoría de los sistemas de autorización solo saben dar una respuesta: sí o no.
El Protocolo Newton me hizo pensar en algo diferente. En uno de sus ejemplos de políticas, exceder un límite de gasto no solo produce allow = false. La política también puede devolver un cap, mostrando el valor máximo que se aceptaría para la misma transacción.
Al principio, esto parece un pequeño detalle de implementación.
Pero cuanto más lo miraba, más me parecía una filosofía distinta de la autorización.
El rechazo binario termina la interacción. El sistema rechaza la solicitud y deja al solicitante decidir qué ocurre después. Devolver una restricción es diferente. En lugar de solo decir "no puedes hacer esto", la política también revela el límite que separa una acción aceptable de una inaceptable.
Esa diferencia quizá no importe mucho para el software que simplemente reintenta las solicitudes fallidas. Podría importar muchísimo para agentes de IA autónomos.
A medida que los agentes se vuelven más capaces, el rechazo ya no es solo un error. Se convierte en retroalimentación. Un tope de gasto le dice a un agente exactamente hasta dónde se salió del rango aceptable. En lugar de repetir el mismo error o esperar la intervención humana, un agente suficientemente capaz podría generar una nueva transacción que ya cumpla la política.
Por eso creo que el Protocolo Newton puede estar preparando Agentes de IA que se autocorrigen. @NewtonProtocol no intenta hacer a los agentes de IA más inteligentes. En cambio, está moldeando el entorno con el que esos agentes interactúan. Las políticas dejan de ser compuertas de permiso estáticas y comienzan a actuar como retroalimentación estructurada que los agentes cada vez más autónomos pueden aprender a usar para responder.
Eso podría convertirse en un cambio arquitectónico mucho más grande de lo que parece al principio.
Hoy, los agentes de IA a menudo se detienen cuando una política dice "no". Los agentes de mañana podrían tratar un cap devuelto como una guía para el siguiente intento en lugar de ser el final del actual. Si eso ocurre, el desafío para el Protocolo Newton ya no será rechazar transacciones malas, sino diseñar salidas de políticas como cap que los agentes cada vez más capaces puedan seguir aprendiendo. $NEWT #Newt

Un detalle en el diseño de WebSocket de GRVT llamó mi atención.
sequence_number solo tiene sentido dentro de una única conexión de WebSocket. Si el número salta, solo le indica a tu conexión que se han omitido datos. No dice nada sobre cualquier otro cliente conectado a GRVT.
Eso resulta más interesante cuando los desarrolladores construyen motores de ejecución o sistemas de trading cuantitativo sobre las API de GRVT.
Cada integración mantiene su propio estado de mercado. Detectar actualizaciones faltantes, solicitar un snapshot (instantánea) nuevo y decidir cuándo ese estado vuelve a ser válido son todas responsabilidades que se gestionan dentro de la integración. GRVT distribuye eventos de mercado, pero no decide si un sistema de trading reconstruyó correctamente su estado de mercado.
Eso cambia dónde se mantiene el estado del mercado.
En lugar de mantener un único estado autoritativo para cada sistema conectado, GRVT deja que cada integración sea responsable de mantener el suyo. Diferentes sistemas de trading pueden consumir los mismos eventos de mercado manteniendo estados locales distintos, porque cada uno sigue una política de recuperación diferente después de detectar una brecha.
La arquitectura se mueve de forma natural hacia la Propiedad del Estado.
Poseer el estado del mercado también significa hacerse cargo de las decisiones de ingeniería que hay detrás. Cada equipo puede optimizar la sincronización, la recuperación y la validación en torno a su propio flujo de trabajo en lugar de heredar un único modelo del exchange. GRVT solo necesita entregar eventos de mercado consistentes. La forma en que esos eventos se convierten en un estado de mercado confiable se deja intencionalmente a cada integración.
Al hacer que sequence_number sea local a cada conexión de WebSocket, GRVT deja el estado del mercado a cada integración de la API en lugar de tratarlo como parte del propio exchange.
A medida que se conectan más sistemas de trading a través de las API de GRVT, la Propiedad del Estado permite que el exchange se mantenga enfocado en distribuir eventos de mercado en lugar de expandirse hacia la gestión de estado específica de aplicaciones. El reto es seguir atendiendo flujos de trading cada vez más diversos sin ir asumiendo gradualmente la lógica de la aplicación que corresponde a cada integración.
$LAB @grvt_io #grvt

Al desplegar una Policy mediante CLI en Newton Protocol, los policy_params finales deben convertirse en Flat JSON correctamente de acuerdo con params_schema.json. Si se mantiene Nested JSON, el proceso de validación del esquema fallará y la Policy no podrá pasar la evaluación.
Lo que me llamó la atención es que la CLI sigue trabajando con Nested JSON durante todo el flujo de trabajo. Solo cuando la Policy se evalúa se exige que todos los datos aparezcan en forma de Flat JSON.
En mi opinión, esto no es una regla para la CLI. Es una regla para la capa de Policy.
Antes de entrar en la Policy, todas las representaciones deben convertirse a una misma forma. El costo de traducción aún existe, pero solo aparece en el límite del sistema. Después de ese punto, a la Policy ya no le hace falta saber si los datos provienen de la CLI o de cualquier otra integración. Lo único que queda es determinar si los datos coinciden con el esquema publicado o no.
Ahí es cuando comienza a tomar forma la Serialization Neutrality.
Lo que se mantiene neutral no es la forma en que cada herramienta serializa los datos, sino la manera en que la capa de Policy recibe los datos. Todas las diferencias entre representaciones deben eliminarse antes de que comience la evaluación. Por eso, cada nueva integración solo necesita gestionar su propia serialización, en lugar de obligar a la capa de Policy a adaptarse a una representación adicional.
En este momento, el desafío de Newton Protocol no está en admitir más herramientas. El desafío está en seguir manteniendo la Serialization Neutrality a medida que el ecosistema se expande. Con que una sola integración tenga permitido cruzar el límite con una representación propia, la capa de Policy terminará teniendo que entender muchas representaciones diferentes y la propia Serialization Neutrality perderá su significado original.
$B $BEAT $NEWT #Newt @NewtonProtocol

Hace unos días, noté un detalle interesante al explorar GRVT. Se pueden asignar diferentes permisos a distintas claves de API. Algunas tienen permitido colocar órdenes. Otras pueden transferir activos. Otras están limitadas a acceso de solo lectura. No se espera que una sola clave haga de todo.
En lugar de tratar los permisos como una función de conveniencia, GRVT los utiliza para separar la autoridad antes de que comience cualquier operación.
Cada nueva capacidad en GRVT no se habilita automáticamente para cada clave de API. La negociación, la financiación, los retiros y la gestión de cuentas permanecen detrás de ámbitos de permisos separados. Como resultado, cada credencial lleva únicamente la autoridad que se le otorgó explícitamente, en vez de heredar cada capacidad asociada a la cuenta.
Eso cambia lo que ocurre cuando una credencial se ve comprometida.
El incidente queda confinado al ámbito de permisos de esa clave específica, en lugar de expandirse por toda la cuenta. Por lo tanto, agregar nuevas capacidades de API no aumenta automáticamente la consecuencia de una vulneración existente, porque la autoridad introducida recientemente permanece aislada de las credenciales que nunca la recibieron.
Aquí es donde empieza a surgir la Reducción del Radio de Impacto.
Una vez que la autoridad puede crecer mediante ámbitos de permisos independientes, en lugar de acumularse detrás de la misma credencial, la plataforma puede seguir expandiéndose sin obligar a que el riesgo crezca de la misma manera. Las nuevas capacidades aumentan lo que GRVT puede hacer, mientras que cada límite de permisos continúa conteniendo las consecuencias de su propia vulneración.
Mirándolo hacia atrás, esos permisos de API ya no se sienten como una conveniencia para desarrolladores. Revelan cómo espera GRVT que evolucione la plataforma. A medida que se introducen más APIs, productos y flujos de trabajo, la autoridad no tiene que converger en una sola credencial. Si este principio continúa vigente, la Reducción del Radio de Impacto escalará junto con GRVT, lo que permitirá que @grvt_io se expanda sin que cada nueva capacidad se convierta en otra fuente compartida de riesgo.
$TAG $LAB #grvt

Al utilizar un Policy Pack en el Protocolo Newton, el desarrollador no necesita construir ni desplegar por su cuenta un Data Oracle. El Data Oracle ya está desplegado. Lo que queda es únicamente hacer referencia a la PolicyData Address, configurar los Parameters necesarios y luego empezar a escribir la Policy.
Con este flujo de trabajo, creo que el Protocolo Newton está cambiando el tipo de Coste que debe asumir el desarrollador.
Si construyes todo el Data Oracle por tu cuenta, cada vez que haya una actualización o Maintenance se consume parte del tiempo que podría haberse dedicado a mejorar la Decision. Cada hora dedicada a Maintenance significa menos tiempo para probar Ideas nuevas.
Los Policy Packs invierten eso.
Cuando la Infrastructure ya está mantenida, la Maintenance deja de ser una carga que cada desarrollador tenga que repetir. El tiempo se devuelve para diseñar Policies, ajustar Business Logic y probar nuevas Decisions. El coste más grande ya no está en operar la Infrastructure, sino en encontrar una mejor forma de interpretar los Data.
Ahí es también cuando el Opportunity Cost empieza a cambiar.
Que una hora no se use para Maintenance implica una hora más para probar una Policy, verificar Assumption u optimizar una Decision. El valor de los Policy Packs no está solo en reducir la carga de trabajo, sino en trasladar el tiempo a actividades que generan mayores diferencias.
Visto desde ese ángulo, veo que Newton Protocol no solo proporciona Policy Packs ya hechos. Está desplazando el Opportunity Cost del desarrollador desde tareas repetitivas para enfocarse en la Innovation. Si cada vez más builders empiezan desde una capa común de Infrastructure, la ventaja de @NewtonProtocol s se irá acumulando en la calidad de la Decision, porque cada vez más recursos se transfieren desde Maintenance hacia Innovation #Newt $SKL $LAB $NEWT

Aprende sobre el encadenamiento de múltiples oráculos de datos en los docs del Protocolo Newton; me sorprendió bastante lo que los Oráculos de Datos nunca hacen.
Cada Oráculo de Datos solo devuelve Facts como risk_score, is_collapsed o tvl_drawdown. No concluyen si una transacción debe Allow o Deny. Esa parte se deja para la Rego Policy.
Esto no es solo una forma de dividir responsabilidades.
Sino que también muestra que Newton Protocol separa Fact de Judgment.
Cuando un Fact ya no está ligado a un Judgment fijo, el mismo risk_score puede ser interpretado por muchas Policies con criterios completamente diferentes. Una policy considera que 60 es suficiente para Allow; otra, en cambio, solo acepta desde 80 en adelante. El Fact sigue siendo el mismo; lo que cambia es el Judgment.
Un Fact, por lo tanto, ya no termina su papel después de la primera vez que se usa. Cuando aparece otra Policy, ese mismo Fact se vuelve a interpretar según un nuevo estándar para generar otra Decision sin necesidad de volver a recopilar los datos desde cero.
El valor de un Fact tampoco se detiene en su primer uso.
Cada nueva Policy vuelve a abrir un contexto para que el Fact antiguo continúe generando valor. Esta separación entre Fact y Judgment es lo que ha creado un Fact Appreciation Mechanism.
Lo que me parece más interesante es que Newton Protocol no intenta hacer que los Data Oracles generen más Facts. @NewtonProtocol hace que cada Fact siga produciendo valor después de haber sido creado. Cuando el ecosistema incorpora más Policies, los Facts antiguos se siguen interpretando continuamente con nuevos criterios. Si ese proceso continúa repitiéndose, el Fact Appreciation Mechanism hará que el valor de los datos aumente a la par del crecimiento de todo el ecosistema, en lugar de quedarse solo en el primer uso.
#Newt $EVAA $NEWT

Antes de implementar una policy, Newton Protocol exige pasar por tres pasos: Unit Test para la Rego Policy, probar por separado cada WASM Oracle y, recién después, simular toda la policy con datos del mundo real.
Estos tres pasos no son simplemente una forma de verificar cada componente de manera independiente. Están ordenados para ir reduciendo de forma continua lo que aún no se sabe sobre una decisión. Tras cada ronda de validación, el alcance de lo que tiene que esperar hasta el despliegue para volver a confirmarse se va haciendo cada vez más pequeño.
Por lo general, el despliegue es el momento más importante para saber si una decisión funciona como se espera. Aunque haya pasado por muchas rondas de pruebas, el entorno de producción sigue siendo donde muchos equipos aceptan aprender cosas que no podían saber de antemano.
En el caso de Newton Protocol, gran parte de ese proceso ocurre directamente en el desarrollo. La Rego Policy, los WASM Oracle y los datos se combinan para simular toda la decisión antes de que el despliegue tenga lugar. Eso me lleva a pensar que Newton Protocol está orientándose hacia una arquitectura de Pre-validated Deployment.
En este contexto, el despliegue pasa a ser principalmente el paso de liberar una decisión que ya ha sido validada, en lugar de ser el lugar donde el sistema continúa aprendiendo si esa decisión es correcta o incorrecta.
Lo que me parece especialmente destacable es que Newton Protocol parece estar cambiando el papel del despliegue. Cuando el despliegue deja de ser el lugar donde se genera la validación, tampoco es el lugar donde el sistema aprende si una decisión es correcta o incorrecta.
Quizá esa sea la esencia de la arquitectura Pre-validated Deployment: no se trata de un proceso de testing más completo, sino de un principio arquitectónico que traslada la actividad de validación fuera de producción. Me da bastante curiosidad si esto será solo una elección de Newton Protocol o si, con el tiempo, se convertirá en la forma en que muchos sistemas de software se construirán en el futuro? $EVAA $NEWT #Newt @NewtonProtocol