Web3 钱包系统详解

2025-05-06

钱包不是一个按钮，也不是一个地址展示页。它是 Web3 产品里连接身份、资产、交易、安全和用户体验的核心系统。尤其在 Telegram Mini App、Trading Bot、Meme 预售和链上交易工具中，钱包系统往往同时包含托管钱包和端侧 Web3 钱包两种形态。

姊妹篇：《从 Meme 预售到 Telegram Trading Bot：Web3 增长型交易产品全景入门》——提供了该系列所分析的多个 Web3 增长型项目（预售站、Telegram Mini App 交易机器人、运营后台）的全景视角。本文是钱包系统的深入拆分篇，建议先阅读主线文档第 1-3 章建立全景认知。

1. 钱包系统到底负责什么

钱包系统至少负责五件事：

职责	说明
身份	用户是谁，是否有权限操作某个地址
控权	私钥在哪里，谁能签名
资产	用户有哪些链、哪些 Token、多少余额
交易	如何发起、签名、广播、追踪交易
安全	如何防止私钥泄露、误转、盗号和高风险交易

所以“钱包系统”不能只理解为 Web3 前端连接 MetaMask。真实产品里，钱包往往是一套跨前端、后端、数据库、第三方索引服务、链上 RPC、风控和用户认证的完整系统。

more >>

查看全文 >>

从 Meme 预售到 Telegram Trading Bot：Web3 增长型交易产品全景入门

2025-05-05

这是一份面向产品与工程理解的 Web3 增长型交易产品入门文档。它不把 Web3 只理解为钱包连接或链上交易，而是从 Meme Token 的发行、增长、认领、质押、交易工具、运营后台与发币基础设施演进几个层面建立完整视角。

1. 产品形态总览

Meme Token 相关产品通常不是单一形态，而是一组围绕“发币、获客、资产沉淀、交易转化”的组合系统。

早期常见做法是：项目方搭建官网预售页，用户通过钱包或法币入口购买代币，后台记录订单和分配额度，等到代币上线后再通过 Claim 页面完成领取。这个模式的核心是“项目方先组织流量和订单，再把资产交付到链上”。

随着 Telegram Mini App、移动端钱包和链上交易工具的发展，这类产品逐渐从“单次预售页面”变成了“持续交易入口”。用户不只是买一次 Token，还会在同一个入口里查看资产、领取奖励、参与任务、邀请好友、质押、查看行情、发起 Swap 或 Snipe。

可以把这种产品拆成四层：

层级	作用	典型能力
增长入口层	获取用户和传播	官网、Telegram Bot、邀请链接、活动码、UTM
资产承接层	记录用户权益	订单、Claim、积分、质押、推荐奖励
钱包与交易层	让用户持有和流转资产	钱包、余额、收款、转账、Swap、限价单、Snipe
运营管理层	配置活动和修正数据	活动后台、任务上下线、积分配置、用户管理

这种产品最重要的理解方式，不是先看某个页面，而是先看用户生命周期：

流量进入
  -> 绑定身份
  -> 购买或获得权益
  -> 资产确认
  -> Claim / Staking / Referral
  -> 钱包沉淀
  -> 行情与交易
  -> 持续活动与复访

more >>

查看全文 >>

SSB（Secure Scuttlebutt）生态系统完整文档

2024-03-06

SSB 生态系统完整技术参考，涵盖核心框架、插件体系、移动端集成及蓝牙模块。

1. SSB 简介

Secure Scuttlebutt（SSB） 是一个分布式的、无需中心服务器的点对点社交网络协议。它具有以下核心特性：

graph TD
    subgraph "SSB 核心特性"
        A[无需服务器] --> B[点对点直接通信]
        C[不可篡改] --> D[仅追加的签名消息链]
        E[离线优先] --> F[局域网/蓝牙也可同步]
        G[隐私保护] --> H[端到端加密/秘密握手]
    end

核心设计原则

特性	说明
无需主机（Hostless）	每台设备安装相同软件，网络中拥有平等权利
仅追加（Append-only）	消息链不可删除或修改，确保全网收敛到相同状态
身份即密钥	每个身份就是一个 ed25519 密钥对，公钥即为身份标识
内容哈希链接	消息通过哈希值引用其他消息、文件和 Feed
全局八卦协议	信息通过 Gossip 协议在节点间传播，无需直接连接
局域网发现	通过多播 UDP 自动发现局域网内的其他节点

more >>

查看全文 >>

深度相机(3D相机)点云生成

2023-03-12

引言

之前做工业机器人公司搞视觉接触了很多3D相机，这里记录一下这些相机点云的生成，以及各种类型相机的一些基础实现原理。我用过的有单目结构光相机，双目结构光，TOF相机，线扫相机(自研)，多视角相机(自研)。
首先深度相机一般畸变都比较小，当然如果自己不放心可以标定看看结果。如果深度相机是自己买模组然后调教生成点云那就一定逃不了校准标定了。

相机成像原理

graph TB
A[世界坐标系] --> |刚体变换| B[相机坐标系]
B --> |透视投影| C[理想图像坐标系]
C --> |畸变矫正| D[真实图像坐标]
D --> |数字化图像| E[数字化图像坐标系]

相机的图像有时候会出现
修正图像需要相机两种参数：

相机的内部参数。例如镜头的焦距，光学中心和径向畸变系数。
外部参数：这是指摄像机相对于某些世界坐标系的方向（旋转和平移）

相机校准

OpenCV给出了非常详细的操作步骤可以参考这里，下载棋盘格去opencv官网如下：
。
more >>

查看全文 >>

PCL 点云常用方法及配准

2023-02-28

点云配准汇总

配准比较常用的套路就是法线提取，然后fpfh特征提取，粗配准，最后再来精配准，基本就能得到比较准确的旋转矩阵和模板点云配上。

特征提取

轮廓提取

#include <pcl/features/boundary.h>

/// <summary>
/// 轮廓计算
/// </summary>
/// <param name="cloud_in">输入点云</param>
/// <param name="normals_in">输入法线</param>
/// <param name="radius">半径</param>
/// <param name="angle">角度</param>
/// <param name="cloud_out">输出点云</param>
void boundaryEstimationFeatures(pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_in, pcl::PointCloud<pcl::Normal>::Ptr normals_in, pcl::PointCloud<pcl::PointXYZ>::Ptr& cloud_out, double radius, float angle) {
    pcl::BoundaryEstimation<pcl::PointXYZ, pcl::Normal, pcl::Boundary> be;
    be.setInputCloud(cloud_in);
    be.setInputNormals(normals_in);
    pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>);
    tree->setInputCloud(cloud_in);
    //设置搜索时所用的球半径,参数radius为设置搜索球体半径
    be.setRadiusSearch(radius);
    //设置搜索时近邻的来源点云,参数cloud指向搜索时被搜索的点云对象,常常用稠密的原始点云,而不用稀疏的下采样后的点云,在特征描述和提取中查询点往往是关键点
    //be.setSearchSurface(overlap_cloud);
    //设置搜索时所用的k近邻个数,参数k为设置搜索近邻个数
    //be.setKSearch(k);

    //设置将点标记为边界或规则的决定边界(角度阈值)。
    be.setAngleThreshold(angle);
    pcl::PointCloud<pcl::Boundary>::Ptr boundarys(new pcl::PointCloud<pcl::Boundary>());
    be.compute(*boundarys);
    for (size_t i = 0; i < cloud_in->size(); i++)
    {
        if ((*boundarys)[i].boundary_point > 0) {
            cloud_out->points.push_back(cloud_in->points[i]);
        }
    }
}

more >>

查看全文 >>