黑客松并非开发者的专利：AI 时代黑客松新范式的思考

作者：Marshal Orange， PermaDAO

在这个“人人都是产品经理”的时代背景下，每个人都有无尽的灵感与创意，但他们往往受限于技术或产品实现路径中任何一个门槛导致没有能力与勇气参与到其中，这也是在 Arweave 举办黑客松时，我在 PermaDAO 中询问并了解到的很多人的情况，但黑客松并不是少数人的专利，而是一场全民活动。

我觉得黑客松比赛的过程更像是一场围绕技术与创新的 UGC（用户生成内容）活动，参赛选手显然是区块链生态应用的“内容创造者”，所以我们可以把黑客松参赛项目的完整工作流程拆解一下无非就是开发者都熟知的产品开发五个阶段：

• 问题的定义与规划阶段

• 需求分析阶段

• 产品原型和软件设计阶段

• 软件开发阶段

• 软件测试阶段

其实痛点在于如何降低参赛队员在上述产品开发五个阶段中遇到的门槛，人类都可以利用 AI 来充当生产力工具来通过结合黑客松已有的 UGC 元素来参与到区块链黑客松这场全民活动中去，使任何创意都尽可能地发挥，就如同 EverID 使用账户抽象降低用户使用 Web3 钱包的门槛一样，这些降低门槛的事情显然能极大的推动区块链行业的发展。

五个阶段

01 问题的定义与规划

通过关于生态用户反馈的数据，AI 大模型可以用于生成当下备受关注或具有市场痛点的问题，这些问题对于生态更有价值和意义。Adot 用 AI 为每个解析的顶级 DApp 情感分析生成标签，用户可以根据这些标签来搜索数据并过滤结果。通过分析已有的链上用户行为和需求，AI 可以帮助用户识别潜在问题并提供有关如何解决这些问题的建议，从而更好地定义项目的范围。

02 需求分析

数据挖掘：区块链黑客松通常涉及大量数据的存储与分析，使用基于 Arweave 的 GraphQL 实现对 Arweave 链上永久数据的实时查询和操作，结合 AI 用于加速数据处理和分析过程，可以帮助识别模式、趋势和潜在的问题，为参与者提供有关如何优化区块链应用的建议。AI 可以分析历史案例匹配等数据和用户行为，可以识别到未来需求的趋势和模式，帮助参赛队伍更好地理解用户需求。

自动化需求验证：AI 可以自动验证需求是否完整、一致和可验证（但在赛程焦灼的黑客松中很少用到）。它可以识别需求中的潜在冲突，从而减少后期修复的工作量。

03 产品原型和软件设计

自动生成原型：运用 Midjourney 等图像生成式 AI 生成初步的界面原型，节省产品经理大量的时间。这可以帮助团队更快地验证概念，并进行快速迭代。

提供设计建议：AI 可以提供关于用户界面设计、布局和可用性的建议，以改进产品的用户体验。

04 软件开发

非技术人员可以利用 AI 补足开发的短板，AI 可以生成部分或完整的代码，加速开发过程。尤其针对于一些继承、覆盖、重载等特定模块的开发特别有用，将能大大提高程序运行效率。AI 还可以检测代码中的潜在错误、漏洞和安全问题，提高代码质量。

05 软件测试

利用 AI 分析应用程序的代码和功能，AI 驱动的自动化测试工具可以执行大规模的测试，覆盖各种用例，并自动检测和报告问题。 

除此之外，区块链黑客松项目通常需要文档和演示，AI 可以自动生成技术文档、PPT 和测试报告，减轻参与者的文档编写负担。而且有时候黑客松参赛队伍需要自由组队，可以利用 AI 分析各位队员的技能、兴趣和项目经历，为他们提供推荐同队伙伴的建议，从而促进更好的团队合作。

AI 让任何人都能成为一个产品研发团队，哪怕他没有开发经验。从问题提出到解决方案开发和文档编写，AI 都能在区块链黑客松中为参赛队伍提供多种方式的支持，AI 对于 Web3 来说不光是一个技术的变化，也是一个生产关系的变化，与此同时，Web3 也对 AI 领域产生了深远影响。Web3 本身的隐私、Trustless、去中心化特性，以及数据和资产的确权、Token 经济等都可以给 AI 基础设施带来很大变化，让 AI 基础设施最重要的三个要素——数据、模型、算力都能够进行相应的优化。

大模型时代，数据决定 AI 的高度。以去中心化的存储为例，区块链天然的优势就是链上交易基本都是结构化的数据，Arweave 也实现了数据的永久存储，所以区块链为 AI 提供了高质量与海量的数据，帮助其 AI 大模型更高效地进行数据处理，同时为多模态大模型瓶颈的突破提供解决方案。同时，去中心化算力平台能让用户端侧算力极大降低了成本（与中心化算力平台相比），也避免中心化公司对于算力的垄断。Web3 与 AI 两者相互交织，共同塑造着数字经济的未来。