Polkadot-js Apps 中的 Staking Next 集成与改进
概述
Polkadot-js Apps 项目正在进行 Staking 模块的重大升级,目标是创建一个名为"Staking Next Command Center"的全新功能集。这项工作不仅涉及现有 Staking 页面的修复,还包括引入一系列新的监控仪表板,以提升用户体验和治理能力。
技术背景
Staking 是 Polkadot 生态系统的核心功能之一,它允许用户通过质押代币参与网络共识并获得奖励。随着网络发展和技术演进,现有的 Staking 界面在功能和信息展示方面已经显现出一些局限性。
主要改进方向
1. 现有 Staking 页面的修复
当前 Staking 页面存在几个关键问题需要解决:
-
曝光数据分页处理不完善:当前页面没有正确处理验证人曝光数据的分页,导致统计信息不准确。正确的实现应该遍历所有分页数据来汇总每个活跃验证人的支持者总数。
-
数据展示不一致:部分统计指标的计算方式与后端实际数据存在偏差,需要统一处理逻辑。
2. Staking Next Command Center 功能
新功能将提供更全面的质押监控和管理能力:
-
增强的验证人信息展示:包括详细的质押分布、奖励历史等关键指标。
-
治理辅助工具:为理事会成员提供更直观的网络状态监控,便于做出治理决策。
-
多链支持:特别针对平行链(如 Asset Hub)的质押功能提供专门界面。
技术实现要点
开发过程中遇到并解决了几个关键技术问题:
-
本地节点运行问题:初期在本地运行节点时遇到编译错误,经过调试后成功解决。这为后续开发测试奠定了基础。
-
API 层修复:虽然 API 层已经做了大量修复工作,但在界面展示层仍有一些细节需要调整,确保数据展示的准确性。
-
代码迁移:相关开发工作已经从初始分支迁移到主分支,确保了代码的稳定性和可维护性。
当前进展
-
所有重命名工作已在 Westend 测试网和 Westend Asset Hub 上完成部署。
-
基础功能已在 apps 代码库中实现,等待进一步审查和优化。
未来展望
Staking Next Command Center 的引入将为 Polkadot 生态系统带来更强大的质押管理能力。它不仅改善了普通用户的质押体验,还为网络治理者提供了更全面的数据支持。随着功能的不断完善,这将显著提升 Polkadot 网络的去中心化程度和治理效率。
开发团队将继续优化这一功能,确保其稳定性,并为即将到来的网络升级做好准备。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust023
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00