Jak stworzyć inteligentny kontrakt “Hello World” za pomocą Solidity?

Maciej Zieliński

29 wrz 2022
Jak stworzyć inteligentny kontrakt “Hello World” za pomocą Solidity?

Aby zostać specjalistą z zakresu smart kontraktów i programistą technologii blockchain trzeba wykonać pierwszy krok. Niniejszy poradnik przedstawia to, w jaki sposób zbudować kontrakt  "Hello World" przy użyciu języka programowania Solidity. Warto podkreślić, że do wykonania tej czynności nie trzeba posiadać specjalistycznej wiedzy. Osoba, która nie jest zawodowym programistą podążając za naszymi krokami stworzy swój własny smart kontrakt korzystając z języka Solidity. 

Czym są inteligentne kontrakty?

Smart kontakt, to program komputerowy, który jest publikowany i wykonywany w technologii blockchain. W związku z faktem działania na blockchainie, może on być uruchomiony bez serwera, bądź centralnej strony. Gdy stworzymy smart kontrakt nie ma możliwości jego zaktualizowania, bądź wprowadzenia w nim zmian. Wynika to z niezmienności blockchaina. Istnieje opcja, że smart kontrakt może być zaprogramowany funkcjami do zmiany danych. Oznacza to, że informacje mogą zostać zapisane w jednym bloku, lecz usunięte w innym. Takie zachowanie nie wyklucza prześledzenia historii zmian. 

Czym jest język programowania Solidity?

Solidity jest pierwszym językiem tworzącym smart kontrakty. Jedną z najważniejszych rzeczy, o których należy pamiętać podczas nauki Solidity, jest to, że jest on językiem zaprojektowanym specjalnie z myślą o Ethereum Virtual Machine, czyli EVM. Solidity jest zbliżone do JavaScript. Warto w tym miejscu wskazać, że jeżeli potrafisz programować w Javie, to Solidity będzie w nauce łatwiejsze. Co prawda występują różnice w składni, jednak patrząc na polecenia i koncepcje  - oba języki są do siebie zbliżone. Język natywny Ethereum, Ma wbudowane polecenia. To jest wykonane dla Solidity  celem uzyskania dostępu do blockchaina np. znacznika czasu, bądź adresu bloku. Takie funkcje pomagają łatwo programować smart kontrakty Solidity. Co więcej, język, który jest zorientowany na kontrakty na pewno będzie różnić się od języków zorientowanych obiektowo np. 

  • Java,
  • C++, 

jednak głównie kładzie się tutaj nacisk na kontrakty i funkcje. Solidity jest typowany w sposób statyczny. Obsługuje także biblioteki i inne funkcje zdefiniowane dzięki użytkownikowi, które posiadają tendencję do bycia skomplikowanymi. Język kompiluje wszelkie instrukcje do bytecode, co pozwala odczytywać i interpretować informacje w sieci Ethereum.

Smart kontrakty w Solidity

Celem Ethereum jest rozwiązywanie i wykonywanie transakcji na poziomie ludzkim, podobnie jak ambicja pełnej maszyny Turinga. Wymaga to z jednej strony przyjęcia logiki na poziomie człowieka z przyjazną dla programistów prostotą, a z drugiej realizacji inteligentnych kontraktów Solidity w kompletnym systemie zwanym Wirtualną Maszyną Turinga, co pozwala na niespotykaną dotąd złożoność i determinizm. Moc obliczeniowa tej „wirtualnej” maszyny jest wbudowana w implementację węzła, niezwykłe osiągnięcie decentralizacji i produkt innowacji ruchu blockchain. Inteligentne kontrakty Solidity programowo ustalają reguły transakcji biznesowych i robią to w uproszczonym języku czytelnym dla maszyn. Ta bezprecedensowa zdecentralizowana koncepcja jest zautomatyzowana i może działać 24/7 na całym świecie, bez nadzoru człowieka i zaufanych stron. Dlaczego warto znać język Solidity? Gdyż jest bardziej zaawansowany i skuteczny w tworzeniu Smart Kontraktów, a ponadto próbuje czegoś, czego nigdy wcześniej żaden język nie próbował — mianowicie stosuje połączenia rozumowania ludzkiego i maszynowego. Ponadto Solidity ułatwia wyrażanie się w kodzie, a także przekształcanie naszego kodu czytelnego dla człowieka w funkcjonalność biznesową. 

Remix - wdrożenie do Solidity 

Remix to narzędzie internetowe, które służy do pisania, kompilacji oraz wdrażania i debugowania  kodu Solidity. Remix zawiera środowisko  JavaScript VM, które pełni funkcję symulatora blockchaina działającego w przeglądarce. Poniżej przedstawiamy praktyczny poradnik tego, jak tworzy się smart kontrakty przy użyciu Solidity. Zapraszamy! 

Jak stworzyć inteligentny kontrakt? 

Jak na razie bedziemy uzywac wspomnianego wyżej remixa do kompilowania i deployowania naszego kodu.  Odpalamy więc remixa i tworzymy nowy plik ja go nazwę Hello World, ale możesz go nazwać jak chcesz. Zacznijmy od zdefiniowania wersji solidity, którą bedziemy uzywac. Ja w tym tutorialu będę używał wersji 0.8.0 w górę, więc na gorze pliku pisze : pragma solidity ^0.8.0;

Solidity

Po zdefiniowaniu wersji mozemy zaczac pisac nasz pierwszy smart contract. 

Definiujemy contract o nazwie HelloWorld Contract, to w nim będzie się znajdować cala funkcjonalność naszego smart contractu.

W środku naszego smart contractu tworzymy funkcję say Hello World, będzie ona publiczna czyli,że każdy będzie mógł ją wywołać, pure co oznacza, że funkcja nie zczytuje ani nie modyfikuje żadnych danych z blockchaina  i zwracała stringa. 

Solidity

Chcemy aby funkcja zwróciła nam string “Hello World!”, więc musimy tylko wpisać w środku funkcji : return “Hello World”.

Teraz żeby zdeplyować nasz smart contract na lokalny blockchain, musimy najpierw go skompilować. 

Klikamy w sekcje solidity compiler i klikamy w przycisk compile HelloWorld.sol.

Jak już mamy skompilowany nasz plik, to możemy zdeployować nasz smart contract.

Klikamy w sekcje Deploy & Run Transactions.

Solidity
Solidity

Gdy wybierzemy nasz smart contract klikamy deploy i koniec ! Nasz inteligentny kontrakt został z deployowany ! W sekcji Deployed Contracts powinien ci się pokazać twój smart contract z możliwością wywołania funkcji sayHello World, która zwróci ci “Hello World”.

Zalety programowania Solidity

Pomijając podstawową funkcjonalność oprogramowania z Solidity, jest kilka dodatkowych elementów, które dają mu przewagę nad innymi językami Ethereum. Można wskazać, że zalety są następujące:

  • Programowanie akceptuje złożone zmienne członkowskie i złożone dane.
  • Program posiada interfejs binarny aplikacji, celem zapewnienia stosownego bezpieczeństwa - Jeśli kompilator odkryje niedopasowany typ danych dla dowolnej zmiennej, ABI generuje błąd. 
  • Program porównuje się do budowy języka naturalnego, która jest wykorzystywana do konwersji specyfikacji zorientowanych na użytkownika na język łatwy do zrozumienia przez maszyny.

Podsumowanie 

Solidity, to narzędzie ułatwiające stworzenie smart kontraktów. Dzięki niemu programowanie w technologii blockchain jest proste, transparentne i przydatne. Dodatkowo programowanie akceptuje złożone zmienne dane, posiada interfejs binarny i jest zbliżony do języka naturalnego. 

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!