Zastosowanie Account Abstraction: Case Studies

Karolina

06 gru 2023
Zastosowanie Account Abstraction: Case Studies

Account Abstraction (AA) wyróżnia się potencjałem zrewolucjonizowania interakcji użytkownika i ogólnej wydajności. Koncepcja ta, choć ma charakter techniczny, oferuje bramę do bardziej dostępnego i wszechstronnego doświadczenia w dziedzinie zasobów cyfrowych i zdecentralizowanych aplikacji.

W tym artykule zagłębiamy się w zawiłości Account Abstraction, badając jej Case Studies i potencjalne przyszłe wdrożenia. Nasza podróż do świata AA nie tylko podkreśla jego obecne możliwości, ale także rzuca światło na jego obiecującą przyszłość w kształtowaniu krajobrazu technologii blockchain i wykorzystania kryptowalut.

Czym jest Account Abstraction?

Abstrakcja kont to koncepcja, która ma na celu uproszczenie i ujednolicenie doświadczenia użytkownika w ekosystemie blockchain. Tradycyjnie konta blockchain są podzielone na dwa podstawowe typy: konta zewnętrzne (EOA), kontrolowane przez klucze prywatne, oraz konta kontraktowe, zarządzane przez ich kod kontraktowy. Account Abstraction zaciera to rozróżnienie, proponując bardziej elastyczne ramy, w których funkcje kont kontraktowych można zintegrować z kontami użytkowników.

Account Abstraction nie jest nowym konceptem. Głównym celem AA jest poprawa doświadczenia użytkownika poprzez zapewnienie większej kontroli i elastyczności, przy jednoczesnym wzmocnieniu środków bezpieczeństwa. W typowym środowisku blockchain użytkownicy często napotykają wyzwania związane z zarządzaniem kluczami, złożonością transakcji i ograniczonymi funkcjami operacyjnymi. Account Abstraction rozwiązuje te kwestie, umożliwiając użytkownikom wykonywanie transakcji, które są bardziej wszechstronne, bezpieczne i przyjazne dla użytkownika.

KONIECZNIE PRZECZYTAJ: What is Account Abstraction?

Adopcja Account Abstraction

(Według Binance Report) 

Źródło: A Primer on Account Abstraction August 2023 https://research.binance.com/static/pdf/a-primer-on-account-abstraction.pdf 

Case Studies Account Abstraction

Visa

Umowy z nadawcą płatności Visa

Visa zbadała wykorzystanie kontraktów Paymaster do abstrahowania od podstawowych interakcji w łańcuchu bloków, poprawiając obsługę płatności w łańcuchu za pomocą samokontroli portfela smart kontraktów. Ten proof of concept miał na celu zmniejszenie przeszkód i odblokowanie potencjału transakcji cyfrowych.

Paymaster facilitating the use of ERC-20 tokens for transaction fees, Source

Wdrożenie. Umowa Paymaster działa jako usługa pośrednicząca w konwersji walut, umożliwiając użytkownikom płacenie w różnych walutach cyfrowych, które są następnie konwertowane na natywny token blockchain w celu pokrycia opłat za gaz. Alternatywnie może pokrywać opłaty za gaz, oferując bezpłatne transakcje za pośrednictwem swojej platformy portfela.

Safe (Wcześniej Gnosis Safe)

System wielopodpisowy. Safe wyróżnia się systemem wielopodpisowym, wymagającym wielu podmiotów do podpisywania transakcji, zmniejszając ryzyko ataków hackerskich.

Integracja AA. Safe zintegrowało standard ERC-4337, umożliwiając użytkownikom tworzenie portfeli smart kontraktowych z konfigurowalnymi regułami autoryzacji transakcji, takimi jak ustawianie limitów wydatków w celu zwiększenia bezpieczeństwa.

Argent na StarkNet

Social Recovery Feature. Argent, wiodący dostawca portfeli w StarkNet, wprowadził koncepcję odzyskiwania społecznościowego, umożliwiając użytkownikom odzyskiwanie utraconych lub zapomnianych kluczy prywatnych.

Innowacyjne odzyskiwanie portfela. Użytkownicy mogą wyznaczyć "opiekunów", którzy pomogą uzyskać dostęp do portfela w przypadku zapomnienia frazy seed lub użyć swojego adresu e-mail i numeru telefonu do odzyskiwania poza łańcuchem, wprowadzając znany mechanizm uwierzytelniania dwuskładnikowego.

KONIECZNIE PRZECZYTAJ: Account Abstraction on Starknet

Braavos Wallet

Braavos, kolejny dostawca portfela w StarkNet, przyjął formę signature abstraction, umożliwiając użytkownikom dostosowanie procesu weryfikacji transakcji.

Biometryczne uwierzytelnianie tożsamości. Użytkownicy mogą uzyskać dostęp do swojego portfela za pomocą funkcji biometrycznych telefonu, takich jak rozpoznawanie twarzy lub odcisków palców, zapewniając bezpieczne dla użytkownika doświadczenie.

Lens Protocol's Integracja do Social Mediów

Dispatcher Wallet. Lens Protocol zaimplementował AA do delegowania uprawnień do podpisywania do portfela dyspozytora dla funkcji takich jak publikowanie, komentowanie i zmiana metadanych profilu.

Interakcje przyjazne dla użytkownika. Umożliwia to płynne interakcje z dApps bez ciągłego zatwierdzania, a portfel dyspozytora pokrywa również opłaty za gaz, eliminując potrzebę posiadania przez użytkowników natywnych tokenów do interakcji w aplikacji.

ERC-6551: Token-Bound Accounts

Zwiększona użyteczność NFT. ERC-6551 umożliwia NFT funkcjonowanie jako konta smart kontraktowe, zwiększając ich użyteczność, umożliwiając im przechowywanie aktywów, zarządzanie tożsamościami i bardziej aktywne uczestnictwo w krajobrazie łańcucha.

Sapienz Project

Cyfrowa kultura uliczna. Projekt Sapienz firmy Stapelverse obejmuje ERC-6551, oferując konfigurowalne postacie oparte na posiadanych NFT, z różnymi elementami dołączonymi do TBA postaci.


Źródło: @stapleverse

Conclusion - Account Abstraction Case Studies

Case Studies Key FeaturesImpact / Significance
Visa's Paymaster ContractsPaymaster contracts for self-custodial wallets; intermediary for currency conversion and gas fee coverage.Enhances on-chain payment experience, reduces friction, and unlocks digital transaction potential.
Safe (Formerly Gnosis Safe)Multi-signature scheme integrated with ERC-4337 for customizable transaction authorization.Increases security and operational flexibility in wallet transactions.
Argent on StarkNetSocial recovery feature allowing wallet recovery through nominated 'guardians' or off-chain methods.Improves wallet security and user experience through innovative recovery options.
Braavos WalletSignature abstraction enabling customized transaction verification; biometric identity authentication.Provides secure and user-friendly access to wallet functions.
Visa's Delegable Accounts for Automatic PaymentsAutomated payments in self-custodial wallets with programmable payment instructions.Facilitates real-world application of blockchain for convenient, automated transactions.
Lens Protocol's Social Media IntegrationDispatcher wallet for delegating signing privileges; seamless interactions with dApps, covering gas fees.Enhances user experience in social media and dApp interactions.
ERC-6551: Token-Bound AccountsNFTs as smart contract accounts; enhanced utility in holding assets and managing identities.Expands the functionalities and applications of NFTs in the blockchain ecosystem.
Sapienz ProjectERC-6551 utilization for customizable NFT-based characters in digital street culture context.Innovates in digital culture by merging NFTs with character customization and interaction.

These case studies showcase the diverse and impactful applications of Account Abstraction across various sectors, from payment solutions and wallet management to social media and NFT utility enhancement. They highlight AA's potential in simplifying user experience, enhancing security, and expanding the functionalities of blockchain technology.

Most viewed


Never miss a story

Stay updated about Nextrope news as it happens.

You are subscribed

AI w Branży Nieruchomości. Jak wspiera rynek mieszkań?

Miłosz Mach

13 mar 2025
AI w Branży Nieruchomości. Jak wspiera rynek mieszkań?

Obecnie wiele sektorów gospodarki przechodzi transformację cyfrową. AI w 2025 to już nie tylko gadżet, a narzędzie, które przeprowadza rozmowy z klientami, usprawnia podejmowanie decyzji i optymalizuje procesy sprzedażowe. Równolegle, technologia blockchain zapewnia bezpieczeństwo , transparentność i skalowalność transakcji. Tym wpisem rozpoczynamy serię publikacji o AI w biznesie, a dzisiejszy artykuł poświęcimy wykorzystaniu sztucznej inteligencji w branży nieruchomości.

AI vs. Tradycja: Kluczowe Implementacje AI w Sektorze Nieruchomości

Projektowanie, sprzedaż, i zarządzanie - dotychczasowe metody ustępują miejsca decyzjom wspieranym danymi.

Przełom w Obsłudze Klienta

Chatboty i Asystenci AI zmieniają sposób, w jaki firmy komunikują się z klientami. Obsługują równocześnie setki zapytań, personalizują oferty i prowadzą klientów przez proces zakupowy. Wdrożenie agentów AI może prowadzić do wzrostu jakościowych leadów dla deweloperów oraz automatyzacji odpowiedzi na większość standardowych zapytań klientów. Wyzwania techniczne przy implementacji takich systemów obejmują:

  • Integrację z istniejącymi bazami danych nieruchomości - chatbot musi mieć dostęp do aktualnych ofert, cen i dostępności
  • Personalizację komunikacji - system musi dostosowywać komunikację do indywidualnych potrzeb klienta
  • Zarządzanie wiedzą branżową - chatbot potrzebuje specjalistycznej wiedzy o lokalnym rynku nieruchomości

Zaawansowana Analiza Danych

Systemy kognitywnej AI wykorzystują uczenie głębokie (deep learning) do analizy złożonych zależności na rynku nieruchomości, t.j. trendów makroekonomicznych, lokalnych planów zagospodarowania czy zachowań użytkowników na platformach społecznościowych. Wdrożenie takiego rozwiązania wymaga:

  • Zebrania wysokiej jakości danych historycznych
  • Stworzenia infrastruktury do przetwarzania danych w czasie rzeczywistym
  • Opracowania odpowiednich modeli uczenia maszynowego
  • Ciągłego monitorowania i aktualizacji modeli w oparciu o nowe dane

Inteligentne Projektowanie

Generatywna sztuczna inteligencja rewolucjonizuje projektowanie architektoniczne. Te zaawansowane algorytmy potrafią generować dziesiątki wariantów projektu budynku uwzględniających ograniczenia działki, wymogi prawne, efektywność energetyczną i preferencje estetyczne.

Optymalizacja Efektywności Energetycznej Budynków

Inteligentne systemy zarządzania budynkami (BMS) wykorzystują AI do optymalizacji zużycia energii przy jednoczesnym zachowaniu komfortu mieszkańców. Algorytmy uczenia ze wzmocnieniem (reinforcement learning) badają dane z czujników temperatury, wilgotności i jakości powietrza, a następnie dostosowują parametry ogrzewania, klimatyzacji i wentylacji.

Integracja AI z Blockchain a Tokenizacja Nieruchomości

Połączenie AI z technologią blockchain stwarza nowe możliwości dla branży nieruchomości. Blockchain to rozproszona baza danych, w której informacje są przechowywane w niezmienialnych "blokach". Zapewnia bezpieczeństwo transakcji i transparentność danych, podczas gdy AI analizuje te dane i wyciąga wnioski. W praktyce oznacza to, że historia własności, wszystkie transakcje i modyfikacje nieruchomości są zapisane w sposób niemożliwy do podrobienia, a AI pomaga w interpretacji tych danych i podejmowaniu decyzji.

Przyszłość AI w Branży Nieruchomości: Trendy i Prognozy

AI w sektorze nieruchomości ma potencjał przyniesienia branży wartości od 110 do 180 miliardów dolarów amerykańskich, jak podkreślają eksperci McKinsey & Company.

Kluczowe kierunki rozwoju w najbliższych latach to:

  • Autonomiczne systemy negocjacyjne - agenci AI wyposażeni w strategie teorii gier, zdolni do prowadzenia złożonych negocjacji
  • AI w planowaniu urbanistycznym - algorytmy planujące rozwój miast i optymalną alokację przestrzeni
  • Tokenizacja nieruchomości - wykorzystanie blockchain do podziału nieruchomości na cyfrowe tokeny, umożliwiające inwestowanie w części nieruchomości

Wnioski

Pytanie dla firm nie brzmi już "czy", ale "jak" wdrażać AI, aby maksymalizować korzyści i konkurencyjność swoich ofert. Strategiczne podejście zaczyna się od zdefiniowania konkretnych problemów biznesowych, a następnie doboru odpowiednich technologii.

Jakie wartości potencjalnie wniesie do Twojej organizacji?
  • Obniżenie kosztów operacyjnych dzięki automatyzacji
  • Poprawę doświadczenia klienta i skrócenie czasu transakcji
  • Zwiększenie dokładności prognoz i wycen, redukcja ryzyka biznesowego
Nextrope Logo

Chcesz wdrożyć AI w swoim biznesie nieruchomości?

Nextrope specjalizuje się w implementacji rozwiązań AI i blockchain dostosowanych do konkretnych potrzeb biznesowych. Nasze doświadczenie pozwala na:

  • Tworzenie inteligentnych chatbotów obsługujących klientów 24/7
  • Implementację systemów analitycznych do wyceny nieruchomości
  • Budowę bezpiecznych rozwiązań blockchain dla transakcji nieruchomościowych
Umów bezpłatną konsultację

Lub sprawdź pozostałe artykuły z serii "AI w biznesie"

AI w automatyzacji frontendowej – jak zmienia pracę programisty?

Gracjan Prusik

10 mar 2025
AI w automatyzacji frontendowej – jak zmienia pracę programisty?

Rewolucja AI w Warsztacie Frontendowca

W dzisiejszych czasach programowanie bez wsparcia AI to rezygnacja z potężnego narzędzia, które radykalnie zwiększa produktywność i wydajność developera. Dla współczesnego developera AI w automatyzacji frontendowej to nie tylko ciekawostka, ale kluczowe narzędzie zwiększające produktywność. Od automatycznego generowania komponentów, przez refaktoryzację, aż po testowanie - narzędzia AI fundamentalnie zmieniają naszą codzienną pracę, pozwalając skupić się na kreatywnych aspektach programowania zamiast na żmudnym pisaniu powtarzalnego kodu. W tym artykule pokażę, jak najczęściej wykorzystywane są te narzędzia, aby pracować szybciej, mądrzej i z większą satysfakcją.

Ten wpis rozpoczyna serię poświęconą zastosowaniu AI w automatyzacji frontendowej, w której będziemy analizować i omawiać konkretne narzędzia, techniki i praktyczne przypadki użycia AI, pomagające programistom w codziennej pracy.

AI w automatyzacji frontendowej – jak pomaga w refaktoryzacji kodu?

Jednym z najczęstszych zastosowań AI jest poprawianie jakości kodu i znajdowanie błędów. Narzędzia potrafią analizować kod i sugerować optymalizacje. Dzięki temu będziemy w stanie pisać kod znacznie szybciej, a także znacznie zmniejszyć ryzyko związane z ludzkim błędem.

Jak AI ratuje nas przed frustrującymi błędami

Wyobraź sobie sytuację: spędzasz godziny debugując aplikację, nie rozumiejąc dlaczego dane nie są pobierane. Wszystko wydaje się poprawne, składnia jest prawidłowa, a jednak coś nie działa. Często problem tkwi w drobnych szczegółach, które trudno wychwycić podczas przeglądania kodu.

Spójrzmy na przykład:

function fetchData() {
    fetch("htts://jsonplaceholder.typicode.com/posts")
      .then((response) => response.json())
      .then((data) => console.log(data))
      .catch((error) => console.error(error));
}

Na pierwszy rzut oka kod wygląda poprawnie. Jednak po uruchomieniu nie otrzymamy żadnych danych. Dlaczego? W URL-u znajduje się literówka - "htts" zamiast "https". To klasyczny przykład błędu, który może kosztować developera godziny frustrującego debugowania.

Kiedy poprosimy AI o refaktoryzację tego kodu, nie tylko otrzymamy bardziej czytelną wersję wykorzystującą nowsze wzorce (async/await), ale również - co najważniejsze - AI automatycznie wykryje i naprawi literówkę w adresie URL:

async function fetchPosts() {
    try {
      const response = await fetch(
        "https://jsonplaceholder.typicode.com/posts"
      );
      const data = await response.json();
      console.log(data);
    } catch (error) {
      console.error(error);
    }
}

Jak AI w automatyzacji frontendowej przyspiesza tworzenie UI?

Jednym z najbardziej oczywistych zastosowań AI w frontendzie jest generowanie komponentów UI. Narzędzia takie jak GitHub Copilot, ChatGPT czy Claude potrafią wygenerować kod komponentu na podstawie krótkiego opisu lub przesłanego im obrazu.

Dzięki tym narzędziom możemy tworzyć złożone interfejsy użytkownika w zaledwie kilkadziesiąt sekund. Wygenerowanie kompletnego, funkcjonalnego komponentu UI zajmuje często mniej niż minutę. Co więcej, wygenerowany kod jest zazwyczaj pozbawiony błędów, zawiera odpowiednie animacje i jest w pełni responsywny, dostosowując się do różnych rozmiarów ekranu. Ważne jest, aby dokładnie opisać czego oczekujemy.

Widok wygenerowany przez Claude po wpisaniu "Na podstawie wczytywanych danych wyświetl posty. Strona ma być responsywna. Kolory przewodnie to: #CCFF89, #151515 i #E4E4E4".

Wygenerowany widok postów

AI w analizie i rozumieniu kodu

AI może analizować istniejący kod i pomóc w jego zrozumieniu, co jest szczególnie przydatne w przypadku dużych, skomplikowanych projektów lub kodu napisanego przez kogoś innego.

Przykład: Generowanie podsumowania działania funkcji

Załóżmy, że mamy funkcję do przetwarzania danych użytkowników, której działania nie rozumiemy na pierwszy rzut oka. AI może przeanalizować kod i wygenerować jego czytelne wyjaśnienie:

function processUserData(users) {
  return users
    .filter(user => user.isActive) // Sprawdza wartość `isActive` dla każdego użytkownika i zostawia tylko te obiekty, gdzie `isActive` jest prawdziwe (true)
    .map(user => ({ 
      id: user.id, // Pobiera wartość `id` z każdego obiektu użytkownika
      name: `${user.firstName} ${user.lastName}`, // Tworzy nowy string, łącząc `firstName` i `lastName`
      email: user.email.toLowerCase(), // Zamienia adres e-mail na małe litery
    }));
}

W tym przypadku AI nie tylko podsumowuje działanie kodu, ale też rozbija poszczególne operacje na łatwiejsze do zrozumienia fragmenty.

AI w automatyzacji frontendowej – tłumaczenia i wykrywanie błędów

Każdy frontendowiec wie, że praca programisty to nie tylko kreatywne tworzenie interfejsów, ale także mnóstwo powtarzalnych, żmudnych zadań. Jednym z nich jest implementacja tłumaczeń dla aplikacji wielojęzycznych (i18n). Dodawanie tłumaczeń dla każdego klucza w plikach JSON, a następnie ich weryfikacja, potrafi być czasochłonna i podatna na błędy.

Dzięki AI możemy jednak znacznie przyspieszyć ten proces. Wykorzystanie ChatGPT, DeepSeek czy Claude pozwala na automatyczne generowanie tłumaczeń dla interfejsu użytkownika, a także wychwytywanie błędów językowych i stylistycznych.

Przykład:

Mamy plik tłumaczeń w formacie JSON:

{
  "welcome_message": "Witaj w naszej aplikacji!",
  "logout_button": "Wyloguj się",
  "error_message": "Coś poszło nie tak. Spróbuj ponownie później."
}

AI może automatycznie wygenerować jego wersję w języku angielskim:

{
  "welcome_message": "Welcome to our application!",
  "logout_button": "Log out",
  "error_message": "Something went wrong. Please try again later."
}

Co więcej, AI potrafi wykryć błędy ortograficzne czy niekonsekwencje w tłumaczeniach. Jeśli na przykład w jednym miejscu użyliśmy "Wyloguj się", a w innym "Wyjdź", AI może zasugerować ujednolicenie terminologii.

Tego typu automatyzacja nie tylko oszczędza czas, ale też minimalizuje ryzyko ludzkich błędów. A to tylko jeden z przykładów – AI pomaga również w generowaniu dokumentacji, pisaniu testów oraz optymalizacji wydajności – o czym opowiemy w kolejnych artykułach.

Podsumowanie

Sztuczna inteligencja zmienia sposób, w jaki frontendowcy pracują na co dzień. Od generowania komponentów, przez refaktoryzację kodu i wykrywanie błędów, aż po automatyczne testowanie i dokumentację – AI znacząco przyspiesza i usprawnia pracę. Bez tych narzędzi stracimy bardzo dużo czasu, czego oczywiście nie chcemy.

W kolejnych częściach serii omówimy m.in.:

Śledź nas, aby być na bieżąco!