从浏览器和子图工作室,看The Graph的用户体验优化

数据经济 , 现今最大经济体 , 承担着价值输出的重任 。 然而 , 现在的数据经济面临着严重的中心化风险 。 数据的收集、整理等一系列工作都由中心化平台进行处理 , 这导致数据的不开放、不透明、不公平 , 也使得数据接收端用户承受着极高的信息偏差风险 。
区块链技术解决了中心化风险 , 虽然数据公开透明且公正公开 , 但想让这些数据产生更高的价值 , 数据的筛选加工处理及呈现是不可或缺的 。
TheGraph作为链上数据中间件 , 将链上数据的可用性提升了数个维度 , 而其以自由市场的形式对数据进行策展才是迈向Web3.0去中心化数据经济的关键性一步 。
善用博弈论的代币策展簿(TokenCuratedRegistries)
在Web2.0的世界里 , 信息接收者所看到的一切都是由中心化机构进行筛选整理的 , 例如我们经常会用到的推荐排行榜 , 搜索引擎排序 , 你不得而知排名的公平性 , 用户被迫信任机构所策展的信息是公正的 。 同时 , 机构有权随意添加和删减信息 , 并掌握着各类算法的使用 , 用户对于所接收到信息的公正性无法把控 。
在TheGraph的网络上 , 任何人都可以发布被称为子图的开放数据API接口 , 开发人员或去中心化应用可以用GRAPHQL语言调取这些API接口 。
那么如何以最高效的方式 , 公开透明地将最优质的数据筛选并呈现出来呢?善用了博弈论的代币策展薄(TokenCuratedRegistries)方案完美地解决了这个问题 。 简单来说 , 它保证了个体利益与系统内大多数个体的利益保持吻合 。 正如比特币系统内 , 对于矿工来说 , 最优的策略就是保持诚实 。
为了更易于理解代币策展簿 , 我们举一个更具体的例子 。 几乎所有人都会关注世界名牌大学的排名 , 然而中心化机构只会根据机构自身利益评选出将其利益最大化的排名 。 例如英国机构可能会更偏袒来自英国的牛津、剑桥 , 而美国机构则可能更倾向于将哈佛、斯坦福 。 那么如何用代币策展来优化榜单的质量及公平性呢?
首先 , 代币策展薄机制中将包含策展人和被评选人 , 策展人可以被理解为榜单的评委 , 而被评选人在此例中则是不同的学校 。 在进行评选前 , 评委和学校都需要质押一部分资产 。 不同评委可以选择支持或者反对学校进入榜单 , 并进行投票 。 若被评学校成功进入榜单 , 那么投反对票的评委所质押的资产就被平分给两个角色:入榜学校以及支持学校入榜的评委 , 但若被评学校未能成功进入榜单 , 则学校及其支持者的资产将平分给投反对票的评委 。
由此 , 通过代币策展薄的形式 , 我们可以解决在信息市场中由于参与者无需为自身行为负责而引发的「无利害关系」(NothingatStake)问题 , 同时能够激励参与者将最优质的的信息筛选出来 。
在TheGraph协议中 , 策展人通过质押TheGraph原生代币GRT来支持其认为可提供质量最高、最可靠数据的子图(可被理解为例子中的学校) 。 当这些子图被调用时 , 策展人将得到一定比例的子图使用费用 , 而若未被使用 , 策展人将不会得到任何收入 。
从浏览器和子图工作室,看The Graph的用户体验优化】为了让策展人、索引人、子图开发者 , 以及其他参与者能够更顺滑无阻地与TheGraph协议交互 , TheGraph推出了Graph浏览器和子图工作室(SubgraphStudio) 。
带你潜入TheGraph的更深层
从浏览器和子图工作室,看The Graph的用户体验优化
文章图片
进入到Graph浏览器页面中你可以看到又不同开发者部署的各种协议的不同子图 。 对于策展人或索引人 , Graph浏览器将告诉你哪个子图是最受欢迎的、被使用量最高的 , 让你在质押前对不同子图的具体信息有全方位的了解 。 作为去中心化开发者 , 通过Graph浏览器提供的不同应用的子图信息 , 你可以按照开发功能的需求为将不同子图数据调取至应用协议中 。 而作为委托人 , 你可以在Graph浏览器中了解不同索引人的信息 , 以便你作出委托决策 。