为什么小程序在西方玩不转,Warpcast 反而是小程序的理想选择?

深潮发布于2024-09-20更新于2024-09-20

随着时间的推移,我们可能会看到全新类型的应用以 Warpcast 小程序的形式出现——这些应用在过去是无法实现的。

作者:Chris Carella

编译:深潮TechFlow

今天早上,我在 Warpcast 的动态中看到了 Eric Rhodes 的一篇来自 Paragraph 的帖子。与以往直接跳转到 Safari 不同,这次我可以直接在应用内阅读——这就是 Paragraph 的小程序在发挥作用。这种无缝的体验让我印象深刻,展现了小程序在 Warpcast 平台上的潜力。相比于通常需要在不同应用间切换的方式,小程序让我能够在不离开动态页面的情况下,直接在平台内与内容互动。

什么是小程序?

小程序是一些轻量级应用程序,它们运行在更大的“超级应用”中,这一概念由亚洲的微信和支付宝等平台推广。这些小程序让用户可以在不离开主应用的情况下完成购物、订餐、支付和获取服务等多种任务。超级应用通过整合这些小程序,为用户提供一个集成了多种服务的生态系统。

在亚洲,小程序之所以能够蓬勃发展,主要有以下几个原因:

  1. 用户便利性:通过在一个应用中提供多种服务,小程序减少了用户安装多个应用的麻烦。这种无缝的整合提升了用户体验和用户留存率。

  2. 开发者的便利:开发者可以创建小程序,而无需开发和推广独立的应用程序。超级应用自带庞大的用户群体,大大降低了进入市场的门槛。

  3. 数据与盈利:超级应用通过整合多种服务,能够获取更详细的用户数据。这使得个性化营销、精准广告投放以及更多盈利机会成为可能。

微信的小程序生态系统尤其强大,拥有成千上万个小程序,涵盖了从电商到游戏等各个领域。

小程序为何未能在西方普及?

尽管 Facebook 的 Messenger、Snapchat 的 Snap Minis 和 Instagram 的购物功能等公司都曾尝试建立类似的生态系统,但小程序在西方并未像在亚洲那样取得成功。例如,Facebook 在 2016 年推出的 Messenger 机器人,原本希望企业能直接在 Messenger 内提供服务,但由于功能有限且用户体验不佳,未能吸引用户。同样,Snapchat 在 2020 年推出的 Snap Minis 允许用户在应用内体验小游戏或工具,但其参与度和生态规模仍无法与微信或支付宝相比。Instagram 的应用内购物功能虽然更为完善,但主要还是一种集成服务,而非一个供开发者创建小程序的开放平台。

这种成功上的差异可能是由于文化偏好、平台分散、隐私顾虑以及市场动态的不同等多种因素造成的。西方用户习惯于在多个应用之间切换,因此依赖单一应用提供多种服务的概念并未广泛接受。此外,西方市场中,苹果、谷歌和 Facebook 各自掌控着不同的生态系统,这使得任何一个平台都难以打造出像微信那样的超级应用。

Warpcast 为什么适合小程序

我认为 Warpcast 是小程序的理想平台,因为它结合了加密协议的灵活性、Farcaster 的构建模块以及去中心化的社交网络。加密技术的可组合性意味着智能合约——即基于区块链的自动化功能——可以从任何地方调用,使得协议更具扩展性和互操作性。这种灵活性使 Warpcast 上的小程序能够直接与链上功能互动,比如铸造 NFT、收集 Token、转移资产、交换加密货币和执行智能合约——所有这些都在 Farcaster 的社交环境中进行。Warpcast 的小程序可以成为我们一直以来所期待的替代前端。

Warpcast 还可以获取用户的社交网络和关联钱包信息。这意味着小程序能够轻松连接用户的社交圈和钱包,实现个性化操作,比如在信息流中直接进行游戏、社交 DeFi 或 NFT 铸造。想象一下,您可以关注一个创作者,并直接从他们的帖子中即时铸造 NFT 或参与 Token 交换。同样,社交金融小程序可以让用户质押 Token、跟踪交易或购买粉丝 Token,而治理小程序则可以让成员进行构思、协作、发起投票和参与投票,所有这些都无需离开 Warpcast。预测市场也可以在用户讨论新闻的同一平台上进行。

Warpcast 小程序的未来展望

我很期待看到大家会开发出什么样的应用。我猜测,我们可能会首先迎来许多我们喜爱的 Frames,以小程序的形式回归。来自 Moxie 和 Degen 社区的小程序也会层出不穷,比如在 Warpcast 中玩 Scout Game 这样的游戏将会非常有趣。最初,任何围绕 Farcaster 构建的项目都是小程序的理想选择。随着时间的推移,我们可能会看到全新类型的应用以 Warpcast 小程序的形式出现——这些应用在过去是无法实现的。

结论

我可以肯定地说,Paragraph 作为小程序的体验要好得多。相比在 Frame 中阅读或切换到其他应用的情境转换,这种方式更为流畅。我喜欢直接在信息流中点击、阅读文章、关闭文章,然后进行讨论,所有这些都无需离开应用。这种无缝体验突显了未来小程序的巨大潜力,去中心化的互动——无论是游戏还是治理——可能会成为 Warpcast 社交体验的核心要素。

你可能也喜欢

Anthropic造了套AI越狱「刑法」:你的请求,四种死法

近日,Anthropic公布了其AI安全系统Fable的详细拦截规则,并将用户请求分为四类进行管理:明确禁止的恶意行为(如勒索软件)、高风险双用途行为(如渗透测试)、低风险双用途行为(如漏洞扫描)以及理论上无害的行为(如调试代码)。然而,该系统因“宁可错杀,不可放过”的原则,导致大量正常请求被误拦截,引发了用户不满。 为更系统化地评估安全风险,Anthropic联合Glasswing联盟推出了“网络越狱严重性框架”(CJS)。该框架从能力增益、能力广度、武器化难度和可发现性四个维度对AI越狱行为进行0-10分的量化评分,并划分严重等级。CJS旨在为模型下架等决策提供“客观”依据,但其评分标准由Anthropic及其盟友主导制定,引发了对规则制定权垄断的担忧。 文章指出,此前Fable 5模型因美国出口管制政策被全球断服,标志着监管首次直接作用于模型API。如今,重新上线的模型已配备更严格的过滤系统。而更强大的Mythos模型仅对特定合作机构开放,形成了“技术分层”的管控格局。在此背景下,CJS框架也被视为递给监管者的“行刑尺”。 对于普通用户,文章建议在提示词中避免敏感词汇、注意模型降级信号,并耐心等待系统优化。最终,AI能力的边界已不纯粹是技术问题,更受到了商业策略与地缘政治规则的双重塑造。

marsbit26分钟前

Anthropic造了套AI越狱「刑法」:你的请求,四种死法

marsbit26分钟前

年入1亿美元,两个90后伯克利室友,搞出最赚钱的AI生意

一家不造AI的公司,年收入却高达1亿美元。这家公司名为Arena,前身是加州大学伯克利分校团队在2023年发起的开源研究项目Chatbot Arena。它核心的产品是一个通过用户真实盲测生成的大模型排行榜:用户输入提示词,系统随机分配两个匿名模型作答,由用户投票选择更优者。凭借海量真实数据,该榜单已成为业界公认的权威评测平台,吸引了OpenAI、谷歌、Anthropic等顶级厂商在此“打擂台”。 其商业模式在于“卖水”:为模型厂商和企业提供付费的深度评测服务,利用其庞大的用户社区对模型进行真实世界性能分析。这种服务切中了模型厂商激烈竞争、亟需优化调优的痛点。 公司由两位伯克利室友创立。CEO Anastasios Angelopoulos师从多位学术大牛,专注于对黑箱模型进行数学严谨的评估;CTO Wei-Lin Chiang是知名开源聊天机器人Vicuna的创造者。项目发展迅速,在商业化仅8个月后年化营收便达到1亿美元,并已完成高额融资,估值达17亿美元。 目前,Arena已将评测范围从简单的对话能力,扩展到智能体模式下的复杂长任务(如写代码、研究分析),用任务完成率、幻觉率等更客观的指标进行评估。在AI向智能体演进的时代,中立、可靠的评测变得愈发关键和昂贵,这正是Arena巨大价值的根基。

marsbit31分钟前

年入1亿美元,两个90后伯克利室友,搞出最赚钱的AI生意

marsbit31分钟前

狂揽2.4万星标:一行命令,AI会自己找技能了

过去,AI开发者交换的是提示词模板;如今,风向转变为互相推荐可安装的“技能”(skill)。Vercel推出的Skills项目,正致力于成为AI智能体的“npm”包管理器。通过一行命令(如 `npx skills add <package>`),开发者可以为Claude Code、Cursor等多种AI工具快速安装能力包,涵盖代码规范、设计准则等,实现能力的即装即用和跨工具共享。 该项目上线五个月便在GitHub获得2.4万星标,并配套上线了技能目录网站skills.sh,设有安装量排行榜。其中,“find-skills”技能尤为突出,安装量超230万次,它能让AI根据用户需求自动搜索、筛选并安装合适的技能,相当于为AI提供了“能力搜索引擎”。 这标志着AI编程正从“提示词工程”迈向“能力工程”,将零散经验封装为可复用、可版本管理的模块。Vercel此举意在复制其通过Next.js卡位前端生态的成功经验,在AI智能体工具层建立新入口。 然而,热潮背后存在安全隐患。安全审计发现,技能包中约有13.4%存在严重安全缺陷,可能携带恶意脚本、进行提示词注入或窃取密钥。与传统的npm包不同,技能包融合了提示词、代码和执行权限,风险直接触及本地系统和敏感数据。因此,用户需要像对待代码一样谨慎选择技能,仔细审查来源和所需权限。 Vercel创始人Guillermo Rauch的长期目标,正是将复杂工程简化为“一行命令”的极致体验。从Now、Next.js到如今的Skills,这一理念正被应用于AI领域,在带来便利的同时,也要求开发者带着判断力进场,共同迎接AI能力“npm化”的机遇与挑战。

marsbit32分钟前

狂揽2.4万星标:一行命令,AI会自己找技能了

marsbit32分钟前

Claude工程师终于交出Fable 5焚诀,教你打破和模型之间的信息差

Claude Fable 5模型发布后经历波折,最终回归生产力工具。Claude工程师Thariq Shihipar指出,用户与模型间存在“信息差”(即提示词、技能与真实任务需求间的差距),这常导致输出不如预期。他将此差距称为“未知项”,并强调与Fable协作的核心是迭代地发现和澄清这些未知项。 Thariq将未知项分为四类:已知的已知(明确提出的需求)、已知的未知(自知未明的部分)、未知的已知(未言明的隐含知识)和未知的未知(完全未意识到的部分)。提升AI编程效率的关键在于减少未知项,并主动规划。 他提供了一套贯穿工作流的方法: 1. **实现前**:通过“盲点扫描”让AI帮你发现认知盲区;进行“头脑风暴与原型”快速验证想法;通过“反问”让AI提问以澄清歧义;提供“参考资料”(如代码、设计)辅助沟通;制定“实现计划”并优先审阅易变部分。 2. **实现中**:要求AI维护“实现笔记”,记录临时决策与偏差原因。 3. **实现后**:创建“推介与解释文档”便于团队评审和获批;通过“测验”确保自己理解AI所做的全部变更。 文章以Fable发布视频的制作为例,展示了如何串联这些方法,在陌生领域(视频剪辑与调色)逐步发现未知项并完成任务。总结认为,模型能力越强,用户越需通过系统方法定义未知项,从而让“地图”(计划)匹配“疆域”(现实),高效达成目标。

marsbit36分钟前

Claude工程师终于交出Fable 5焚诀,教你打破和模型之间的信息差

marsbit36分钟前

交易

现货
活动图片