Jak stworzyć prosty smart kontrat do obsługi aukcji ?

Paulina Lewandowska

07 gru 2022
Jak stworzyć prosty smart kontrat do obsługi aukcji ?

W poprzednim tutorialu dowiedziałeś się, jak stworzyć smart contract, który jest walletem. W tym tutorialu postaramy się utrwalić wiedzę z poprzedniego poradnika oraz poszerzyć ją o nową. 

Przejdźmy więc do dalej. Wszystkie rzeczy, których możesz nie rozumieć wyjaśnimy Ci w dalszej części tekstu.

Zdefiniowanie zmiennych 

Zacznijmy od zdefiniowania zmiennych, które będą nam potrzebne do funkcjonowania smart kontraktu. Na pewno potrzebujemy :

  • adres osoby do której zostanie przesłana najwyższa oferta,
  • czas, kiedy dana aukcja się zakończy,
  • adres osoby, która wystawiła najwyższą ofertę,
  • ile wei to najwyższa oferta,
  • tablicę adresów i ilość pieniędzy jaką przelali do smart kontraktu, aby osoby, które nie wygrały aukcji, mogły wypłacić swoje pieniądze,
  • zmienną czy aukcja jest zakończona lub nie.
pragma solidity 0.8.11;

contract Auction {

    address payable public beneficiary;

    uint public auctionEndTime;

    address public highestBidder;

    uint public highestBid;

    mapping(address => uint) pendingReturns;

    bool ended;

}

Czego możesz nie zrozumieć z powyższego kodu?

Mapping w solidity to tablica klucz-wartość, odpowiednik dictionary w innych językach.

Jeśli nie wiesz czemu zmienna auctionEndTime jest podana w zwykłym uintcie, to jest to z tego powodu, że czas kiedy aukcja się zakończy będzie podany w czasie unixowym.

Stwórzmy sobie constructor, który będzie przyjmował adres do którego zostanie przesłana najwyższa oferta oraz ile czasu będzie trwała aukcja.

constructor(

        uint biddingTime,

        address payable beneficiaryAddress

    ) {

        beneficiary = beneficiaryAddress;

        auctionEndTime = block.timestamp + biddingTime;

    }

Na co warto zwrócić uwagę ?

  • block.timestamp to zmienna, która oznacza po prostu jaki jest teraz czas podany oczywiście jako czas unixowy.

Funkcja do składania ofert

Teraz stwórzmy sobie funkcję, która będzie służyła do składania swojej oferty. Funkcja ma zwracać błąd jeśli :

  • aukcja się zakończyła,
  • nasza oferta będzie niższa niż najwyższa oferta.

Na zakończenie wykonywania funkcji, funkcja wyemituje event, mówiący o tym że najwyższa oferta się zmienia. Aplikacja frontendowa może nasłuchiwać emitowanych eventów na smart contracie, dzięki czemu, gdy tylko najwyższa oferta się zmieni, może ona ją zaktualizować w interfejsie użytkownika.

event HighestBidIncreased(address bidder, uint amount);

    event AuctionEnded(address winner, uint amount);

    error AuctionAlreadyEnded();

    error BidNotHighEnough(uint highestBid);

    error AuctionNotYetEnded();

    error AuctionEndAlreadyCalled();

    function bid() external payable {

        if (block.timestamp > auctionEndTime)

            revert AuctionAlreadyEnded();

        if (msg.value <= highestBid)

            revert BidNotHighEnough(highestBid);

        if (highestBid != 0) {

            pendingReturns[highestBidder] += highestBid;

        }

        highestBidder = msg.sender;

        highestBid = msg.value;

        emit HighestBidIncreased(msg.sender, msg.value);

    }

Jak widzisz w powyższym kodzie definiowane są eventy z parametrami, które możemy wyemitować na blockchainie. Aby wyemitować event w solidity wpisujemy 

emit  + nazwa eventu i parametry

Zdefiniowaliśmy sobie swoje własne errory, które jeśli chcemy wywołać wpisujemy

revert + nazwa naszego erroru i parametry.

Zapewne domyśliłeś się już, że zamiast ifów i custom errorów mogliśmy użyć requiera.

Ta funkcja sprawdza czy aukcja się już nie zakończyła, czy msg.value jest wyższy niż najwyższa oferta, jeśli tak aktualizujemy mapping pendingReturns, żeby osoba, która złożyła wcześniej najwyższą ofertę mogła dostać z powrotem swoje pieniądze. Przypisujemy najwyższą ofertę do msg.value oraz highestBidder do msg.sender, na końcu wykonywania funkcji emitujemy event, który informuje, że najwyższa oferta została zwiększona.

Funkcja do zakończenia aukcji, oraz przelania najwyższej oferty do beneficiera

Teraz stwórzmy funkcję dzięki, której po zakończonej aukcji adres beneficiary, będzie mógł przesłać do swojego portfela pieniądze.

Ta funkcja powinna:

  • zwracać błąd jeśli aukcja się jeszcze nie skończyła,
  • zwracać błąd jeśli ta funkcja została już wywołana,
  • zmieniać zmienna ended na true,
  • wyemitować event świadczący o tym, że aukcja się zakończyła,
  • przesłać ilość Ethereum równoważną do najwyższej oferty do beneficiera.

  

function auctionEnd() external {

        if (block.timestamp < auctionEndTime)

            revert AuctionNotYetEnded();

        if (ended)

            revert AuctionEndAlreadyCalled();

        ended = true;

        emit AuctionEnded(highestBidder, highestBid);

        beneficiary.transfer(highestBid);

    }

Funkcja dla osób, które nie wygrały aukcji i chcą odzyskać swoje pieniądze

Teraz, ostatnia funkcja, której potrzebujemy, aby nasz kontrakt był gotowy! Będzie ona dla adresów, które nie wygrały aukcji, a chcą odzyskać swoje pieniądze. Zastanówmy się co powinna mieć w sobie taka funkcja :

  • powinna sprawdzać ile należy ci się ethereum w mappingu pendingReturns oraz przypisać tą wartość do zmiennej,
  • powinna zmienić ile ci się należy na 0,
  • powinna przesłać tyle Ethereum ile zapisaliśmy w zmiennej.

No to do dzieła !

  function withdraw() external{

        uint amount = pendingReturns[msg.sender];

        pendingReturns[msg.sender] = 0;

        payable(msg.sender).transfer(amount);

    }

To już koniec dzisiejszego tutorialu ! Nasz smart contract jest gotowy. W celu poćwiczenia oraz utrwalenia sobie wiedzy, jako zadanie możesz spróbować zamienić custom errory na requiry. Jeśli to jednak dla ciebie za mało możesz również ulepszyć ten kontrakt, aby dało się w nim prowadzić kilka aukcji na raz.

Tagi

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!