前言

前面已经学习了 ERC20 是什么，也学习了怎么使用 OpenZeppelin 来实现一个更接近生产项目的 ERC20。

下面继续学习合约安全基础，因为在Web3中智能合约和我们传统Web2后端最大的区别之一就是：后端服务出 bug，可以停服、修数据、回滚、补偿（中心化）；但是合约一旦部署到链上，很多状态已经公开写死了，也不好修改（去中心化），同时Web3合约大部分都跟钱有关，因此出现安全事故，损失的也是钱。

所以能跑不代表安全，安全在Web3是最要的事情了

前言

前面已经大概理解了 ERC20 是什么，也知道了 ERC20 的核心其实就是余额表、授权表、转账、授权转账、事件、metadata 这些东西。

下面继续往生产项目的方向走一下，学习下真实项目里通常怎么实现 ERC20。

先说结论：生产项目一般不会自己从零手写 ERC20，而是优先使用 OpenZeppelin Contracts，能复用成熟库就复用成熟库。

前言

前面对Solidity的语法都进行了一次了解，现在来系统学习一下合约开发最佳实践，先学习下什么是ERC20，经常听到这个协议

开始ETH的学习之路把，炒币也要了解下相关原理 (￣▽￣)”

前言

下面来学习一下OpenClaw是怎么实现系统提示词的，怎么将默认提示词，安全规则，各种skill，各种memory拼接到一起的，为啥能TM这么耗Token。

前言

OpenClaw作为一个能够自动执行任务的AI Agent，记住每次聊天的关键信息或者偏好等，这正是依赖于它的Memory模块，这也是每一个智能Agent核心的模块之一，下面就来学习一下OpenClaw的Memory模块是怎么设计与实现的。

前言

最近OpenClaw很火，它是一个开源的，可执行的AI Agent框架，能够拆解复杂任务，自行调用工具，根据执行结果继续决策，我第一眼看到这些功能描述的时候，想的无非就是ReAct模式+MCP+Skill功能的整合，但各大公众号更是吹上天了，肯定是有什么优点和创新存在的，抱着体验和学习的心态开始尝试一下这个【龙虾哥】

前言

最近网上冲浪的时候又发现阿里推出了一个新的语音生成模型Qwen3-TTS，第一反应是有点奇怪，因为阿里巴巴之前已经推出了CosyVoice这个语音模型，为什么要推出两个在我看来功能都一样的模型呢？同时这个新推出的Qwen3-TTS效果如何呢？有什么区别呢？待着疑问来体验和了解一下

环境：windows10

显卡：N卡3060TI

环境：conda python3.12

前言

书接上回，在体验过RVC实时音色转换后，调整了很多转换参数和各种音色模型，总是感觉效果差一点，在追求更好的效果的时候一个开源的AI模型出现了，即CosyVoice，据说拥有媲美人类录音的真实效果，同时有丰富的情感语气，自然发声。看官网的样式很吊，那么下面就来自己搭建一下体验效果。