Spark Program | Nervos Brain - A Global Developer Onboarding Engine and Cross-Language Hub Powered by Agentic RAG

IrisNeko · February 25, 2026, 9:58am

Project Name

Nervos Brain — A Global Developer Onboarding Engine and Cross-Language Hub Powered by Agentic RAG

Team / Individual Profile & Contact Info

Team / Lead: Yunhe Su (Independent Developer)
Background: An open-source developer with a profound technical background in AI. Proficient in Python, PyTorch, and cutting-edge AIGC technologies (LLM, Agent, RAG). Previously independently developed automated workflows utilizing Large Language Models and Chain of Thought (CoT), and published highly regarded AI models and ComfyUI plugins on Civitai as an open-source creator. Possesses a deep understanding of CKB’s underlying technologies (UTXO model, Fiber Network).
GitHub Profile: GitHub: irisNeko
Civitai Published Works: ControlNet ASCII Generator
Corresponding GitHub Open-Source Project: ComfyUI_ascii_art
Telegram: @IrisNeko_QvQ
Discord: @iris_neko_

Project Description

The Problem (Market Pain Points & Ecosystem Gaps): The CKB ecosystem is currently at a critical turning point toward mass application but faces two hard bottlenecks hindering growth:

High Onboarding Friction for Developers: CKB’s UTXO/Cell model and RISC-V VM present a steep learning curve. Existing technical support relies heavily on manual troubleshooting by the DevRel team, which is slow and unscalable, leading to the churn of potential developers.
Language and Platform Silos in Technical Discussions: A massive amount of in-depth discussions regarding underlying design trade-offs are buried in historical archives on Nervos Talk. The English and Chinese communities lack real-time synchronization, preventing global developers from efficiently sharing high-value knowledge.

The Solution (Nervos Brain): This project aims to develop a proactive intelligent engine integrated into Discord, Telegram, and technical forums:

Dedicated MCP Server: Breaking the limits of traditional bots, the AI directly reads CKB’s latest RFCs, CCC (CKBer’s Codebase) documentation, and historical bug records to assist developers in writing code.
Multi-step Reasoning Agentic RAG: Leverages Chain of Thought (CoT) to break down complex queries (e.g., “how to open a channel on Fiber”), synthesizes various documents and community troubleshooting guides, and generates step-by-step practical tutorials.
Cross-Language TL;DR Engine: Automatically patrols core communities and GitHub, extracts the core logic of lengthy, hardcore discussions, generates bilingual (English and Chinese) summaries, and pushes them out to proactively foster high-quality community discussions.

Expected Deliverables

MVP Core

Infrastructure: A permanently open-source CKB AI knowledge base and Agent system, available for reuse by any subsequent wallets or developer tools within the ecosystem.
Knowledge Retrieval: Vector DB + Graph Planning (Core knowledge base and graph-structured retrieval framework, including core Nervos documentation and examples).
Bot Framework: An Agentic RAG-based Bot framework.
Social Integration: Nervos Talk MCP tools to fulfill basic social functionalities.
Client Interfaces: Discord Bot / TG Bot (Delivery depends on specific project progress).
Code Repository: Delivery of a complete, open-source codebase.
Documentation: Detailed deployment guides and user manuals.

Technical Details

Abandoning the high development and maintenance overhead of traditional heavy graph databases, we adopt an agile architecture of “lightweight vector retrieval + LLM native Tool Calling” to ensure high-quality delivery within 8 weeks.

Vector DB: Utilizing Qdrant (Serverless). It is maintenance-free, lightweight, and extremely fast. Instead of blindly relying on complex graph connections, we assign precise Payload metadata tags and vectorized indexing to CKB documents. When the Agent calls the retrieval tool, it can autonomously pass in filtering conditions to achieve precise hybrid search.
Agent Reasoning & Orchestration: Moving away from passive “one-time retrieval + generation,” we adopt a ReAct (Reason + Act) architecture based on LangGraph or LLM native Function Calling. We break down CKB knowledge into distinct tools (e.g., Search_CKB_RFCs, Query_Nervos_Talk_History, Read_CCC_Codebase). The Agent proactively breaks down developers’ complex queries, autonomously decides which tools to call and which documents to consult, and actively performs graph-structured searches (multi-hop reasoning) when information is insufficient to maximize the knowledge base’s value.
Embedding Model Selection: Utilizing text-embedding-3-large (OpenAI). It has an extremely low unit cost and possesses excellent bilingual (English/Chinese) cross-language representation and code understanding capabilities, making it the optimal choice for processing mixed English-Chinese technical discussions in CKB.
Interaction Layer: An extensible, multi-routing Agentic Bot framework, paired with an MCP system that interacts with Nervos Talk forum data in real-time.

Funding Required

Why Apply for the Maximum Grant ($2,000)?

A standard 1,000−1,500 budget is typically only sufficient for a lightweight “single model + basic vector retrieval” Bot. As ecosystem infrastructure, Nervos Brain involves significantly higher engineering complexity: it requires building a hybrid “Knowledge Graph + Vector DB” retrieval foundation, developing a dedicated MCP server, and delivering native Bots for both Discord and Telegram. Furthermore, parsing CKB’s hardcore long-form documents and performing real-time cross-language summarization will incur substantial Token consumption. $2,000 is the necessary threshold to guarantee deep technical execution and stable system deployment.

LLM API Strategy (Based on X-MAS Theory):

This project will not use locally deployed open-source models; instead, it fully leverages cloud APIs. Based on the X-MAS (Cross-Model Agent System) theory, the Agent dynamically routes tasks to achieve the optimal “performance-to-cost” ratio:

Basic Interaction & Intent Recognition: Routed to highly cost-effective models (e.g., GPT-5-mini / Haiku 4.5) to handle daily lightweight requests.
Long-Context & Cross-Language Summarization: Routed to large-context models (e.g., Gemini 3.1 Pro / Claude 4.6 Sonnet), focusing on parsing lengthy RFC/CCC documents and historical Nervos Talk threads.
Deep Reasoning & Code Generation: Routed to top-tier models (e.g., GPT-5.3 / Gemini 3.1 Pro), utilizing CoT to handle geek-level underlying architecture or contract code issues.

Budget Breakdown:

Category	Allocation	Description
Retrieval Infrastructure R&D	$700 (35%)	Scraping/cleaning core CKB docs, building the hybrid retrieval foundation, and developing the dedicated MCP server.
Agent Architecture & Bot Dev	$600 (30%)	X-MAS dynamic routing system, Prompt tuning (eliminating hallucinations for CKB terminology), automated patrol script deployment, and native Discord/TG Bot interface development.
LLM API Costs (10 Weeks)	$400 (20%)	Covers Embedding consumption for full data initialization and extensive interaction Token costs during dev/debugging and seed-user beta testing.
Servers & Delivery	$300 (15%)	Cloud server/Vector DB rental fees during beta, alongside final open-source documentation, demo video production, and project closure delivery.

Estimated Timeline

10 Weeks (approx. 2.5 months) Note: Adhering to the “small steps, fast iteration” principle of the Spark program, this phase is highly focused on developing the core engine and launching the multi-language push feature within a short cycle.

Clear To-Do List:

Week 1-3 (Data Acquisition & Foundation Setup): Scrape and clean CKB whitepapers, RFCs, CCC docs, and top-tier Nervos Talk posts. Deploy Qdrant vector DB, complete full data Embedding, and establish indexing based on Payload metadata. Develop Agent dynamic routing and multi-tool calling logic based on LangGraph / ReAct architecture.
Week 4-8 (Agent Engine Dev & Cross-Language Launch): Optimize specialized Prompts and CoT to resolve CKB-specific terminology hallucinations. Develop dedicated Nervos Talk/Discord/TG MCP servers, deploy the beta environment, and debug the basic Bot interaction framework. Implement telemetry and shortcut feedback mechanisms in the UI for beta preparation.
Week 9-10 (Community Beta, Iteration & Open-Source Delivery): Recruit 10+ experienced developers from Discord/TG/Forums for real-world beta testing. Conduct weekly Triage to review Agent Reasoning Traces and optimize RAG weights/Prompts based on Bad Cases. Distribute surveys to measure resolution rates, latency, and CSAT. Finalize open-source codebase, draft deployment guides, and submit the closure report with test data on Nervos Talk.

Alignment with the CKB Ecosystem

Meets Actual Ecosystem Needs: Directly addresses CKB’s current pain points of “high development barriers” and “bottlenecks in official human support.” Based on sample estimates from historical CKB core developer chat logs, new developers struggle heavily with repetitive “cold start” hurdles like environment configuration, testnet faucets, RPC errors, and basic concepts (e.g., Type/Lock Script differences, Cell capacity calculations). Once deployed, the system is expected to intercept and automatically resolve over 50% of basic-to-intermediate development questions, drastically reducing the “Time-to-First-Hello-World” and directly improving conversion rates for hackathons and bounties.

Provides Unique Competitive Advantages: Tailored specifically for CKB’s unique Cell model and hardcore geek culture. Unlike generic LLMs on the market, Nervos Brain deeply integrates CKB’s underlying logic and historical community consensus. It is an ecosystem hub capable of bridging language barriers, accumulating, and distributing CKB’s core technical assets.

Future Planning Note: If this Spark MVP project is successfully validated, we plan to apply for long-term Community Fund DAO funding to cover continuous operations and governance tracking.

Specific Interactions with the Bot

Benefiting from the underlying Graph Planning (graph-structured planning and state orchestration) and Agentic RAG architecture, Nervos Brain breaks away from the linear “single-shot reasoning” of traditional LLMs, achieving workflow-based nonlinear task processing. When a developer tags @NervosBrain in Discord or Telegram, they will experience three interaction modes:

Scene 1: “Heuristic Debugging” Based on Intent Routing (Lightweight Q&A & Precise Sourcing)

Process: A developer drops a vague error.
Backend Routing: The system routes to a cost-effective model for intent recognition. If the Graph node detects missing context, the Bot proactively asks a clarifying question, using user feedback as a Graph Planning node.
Hallucination Reduction: Once context is gathered, the engine precisely schedules codebase tools. Output includes exact code lines or official doc anchor links to ensure high accuracy.

User: @NervosBrain I’m running a CCC example and getting an RPC error Invalid capacity, help!

Bot: Are you currently using the JS or Rust SDK?

User: JS

Bot: Root cause identified.

Error Reason: Your Cell capacity does not include the byte footprint of the serialized Lock Script. This is one of the most common cognitive differences between the CKB Cell model and EVM.

Fix: > // ❌ Incorrect (Manual estimation, easy to miss Script size)

// ✅ Correct (Let CCC SDK calculate minimum capacity automatically)

Sources: > [1] CCC Codebase - helpers/capacity.ts Line 42

[2] RFC-0022: CKB Transaction Structure §4.1

Scene 2: “Multi-Node Orchestration” to Awaken Community Memory (Complex Problems & Self-Reflection)

Process: A user asks for macro-architecture requirements.
Backend Routing: Since many design trade-offs are buried in historical forum posts, Graph Planning breaks this down into a Directed Acyclic Graph (DAG). Node A pulls the latest Fiber API docs; Node B schedules a large-context model to deep-read historical Nervos Talk threads; Node C cross-validates.
Self-Reflection: Before output, the Graph triggers a “Self-Reflection Node” to act as a judge, automatically triggering a correction branch if historical advice conflicts with the latest APIs.

User: @NervosBrain What are the prerequisites and core steps to open a channel on the Fiber Network?

Bot: This requires synthesizing multiple sources. Retrieving…

[RFC-0044 Fiber Protocol] → [CKB Fiber SDK] → [Nervos Talk History] → [Cross-Validation]

Comprehensive Guide to Opening a Fiber Channel

[Prerequisites] CKB Full Node synced, Funding address balance sufficient…

[Step 1] Establish P2P Connection…

[Step 2] Initiate open_channel…

Conflict Detected: A 2023 forum post’s parameter format is incompatible with the current SDK v0.3+. The above steps have been updated to reflect the latest RFC.

Scene 3: “Cross-Language Radar” to Break Platform Silos (Eliminating Language Barriers)

Process: Operates in two modes. P1 (Guaranteed Delivery): Passive command invocation (/tldr [link] or /explore [topic]). P2 (Experimental): Proactive “Community Tech Alerts” pushed automatically based on background listening.
Backend Routing: When triggered, the system schedules large-context models to distill “core controversies,” “optimization ideas,” and “technical conclusions” into high-quality bilingual summaries.

User: /tldr https://talk.nervos.org/xxxx

Bot: Core content extracted (Original Post #47, English)

[Core Controversy] Fiber routing algorithm under high concurrency: Dijkstra vs. Probabilistic routing. Community is divided.

[Conclusion] Undecided. RFC revision submitted, expected Q3 discussion.

Chinese summary has been synced to the CKB Chinese TG Group.

Community Beta Testing & MVP Validation (User Study & Evaluation)

To ensure Nervos Brain’s actual utility, during the Week 7-8 beta phase, we will adopt standard User Study methodologies via a closed-loop “telemetry + agile feedback” mechanism.

Core Success Metrics

Accuracy & Resolution: Target > 50% resolution rate without human intervention. Measured via an interactive 5-star rating (1-5) at the end of Bot replies. (4-5 = Resolved; 3 = Partially Resolved; 1-2 = Unresolved). MVP succeeds if 3-5 combined exceed 50%.
Latency: Basic retrieval < 20 seconds; Complex Agent tasks (multi-hop/code gen) < 60 seconds.
User Satisfaction (CSAT): Target an overall average score of > 3.0/5.0 during the beta.

Testers & Channels

Scale: Recruit 10+ testers with relevant development experience.
Channels: Targeted invites from the Discord dev-chat, highly active Nervos Talk posters, and the official Telegram dev group.

Feedback Loop

Telemetry & Triage: The backend will flag all 1-3 interactions (Bad Cases). We will conduct weekly triages, reviewing internal Reasoning Traces to pinpoint if the failure was a retrieval miss, Prompt hallucination, or tool error.
Explicit Feedback: Before Week 8 concludes, send a minimalist survey (< 3 mins) to collect subjective ratings on “professionalism,” “tone,” and “code usability.”

How Can External Developers Experience and Evaluate the Deliverables?

To allow zero-barrier evaluation upon final delivery (Week 9-10), we will provide:

Out-of-the-Box Test Sandbox: Public invite codes to the beta Discord server and TG Bot ID. No setup required.
Visualized Reasoning Traces: Replies will include a collapsible “Execution Trace” to show exactly how the system routed models and performed logical deductions.
Demo Video & Docs: A comprehensive deployment guide and a 3-5 minute live demonstration video covering the end-to-end flow of the core scenes.
Real Quantitative Data: A final closure report submitting the actual test data (Resolution Rates, CSAT, Latency) to prove the system’s effectiveness using academic standards.

IrisNeko · February 25, 2026, 10:00am

项目名称

Nervos Brain —— 基于 Agentic RAG 的全球开发者 Onboarding 引擎与跨语言中枢

团队 / 个人简介及联系方式

团队/负责人：苏云禾（独立开发者）
背景简介：具备深厚 AI 技术背景的开源开发者。熟练掌握 Python、PyTorch 及前沿 AIGC 技术（LLM, Agent, RAG），曾独立开发基于大模型与 CoT（思维链）的自动化工作流，并作为开源作者在 Civitai 发布广受关注的 AI 模型与 ComfyUI 插件。深入理解 CKB 底层技术（UTXO 模型、Fiber Network)。
GitHub Profile: GitHub: irisNeko
Civitai Published Works: ControlNet ASCII Generator
Corresponding GitHub Open-Source Project: ComfyUI_ascii_art
联系方式：
- Telegram：@IrisNeko_QvQ
- Discord: @iris_neko_

项目描述

问题（市场痛点与生态缺口）： 当前 CKB 生态正处于向大规模应用转型的关键期，但面临两个阻碍增长的硬性缺口：

开发者上手摩擦力大：CKB 的 UTXO/Cell 模型与 RISC-V VM 学习曲线陡峭，现有技术支持高度依赖 DevRel 团队的人工答疑，响应慢且无法规模化，导致潜在开发者流失。
技术讨论的语言与平台孤岛：大量深度的底层设计权衡（Trade-offs）探讨沉淀在 Nervos Talk 的历史长帖中。中英文社区缺乏实时同步，全球开发者无法高效共享高价值知识。

解决方案（Nervos Brain）： 本项目旨在开发一个集成于 Discord、Telegram 及技术论坛的主动型智能引擎：

专属 MCP 服务器：打破传统 Bot 限制，AI 直接读取 CKB 最新的 RFC、CCC (CKBer’s Codebase) 文档和历史 Bug 记录，辅助开发者编写代码。
多步推理 Agentic RAG：利用思维链（CoT）将复杂问题（如“如何在 Fiber 上开启通道”）拆解，综合多方文档和社区避坑指南，生成 Step-by-Step 实战教程。
跨语言 TL;DR 引擎：自动巡逻核心社区与 GitHub，提取长篇硬核讨论的核心逻辑，生成中英双语摘要并推送，自主促成社区高质量探讨。

预期交付成果

MVP Core

基础设施：一套永久开源的 CKB AI 知识库与Agent系统，可供后续生态内所有钱包或开发者工具复用。
- vector DB + Graph Planning （核心知识库与图结构知识检索框架，包括Nervos核心文档与示例）
- 基于 Agentic RAG 的Bot框架
- Nervos Talk MCP工具，完成基础社交功能
- Discord Bot / TG Bot （根据具体进展确定是否交付）
代码仓库：交付完整的开源代码库。
文档说明：详细的部署指南与用户使用文档。

Technical Details

摒弃传统重度图数据库带来的高昂开发与维护开销，采用“轻量级向量检索 + 大模型原生 Tool Calling”的敏捷架构，确保 8 周内高质量交付。

**向量数据库 (Vector DB)：采用 Qdrant (Serverless)**。免运维、轻量且极快。我们不盲目依赖复杂的图谱连线，而是通过为 CKB 文档打上精准的 Payload 元数据标签与向量化索引。Agent 在调用检索工具时，可以自主传入过滤条件，实现精准的混合搜索。
**Agent 推理与控制层 (Orchestration)**：放弃被动式的“一次性检索+生成”，采用基于 LangGraph 或大模型原生 Function Calling 的 ReAct (Reason + Act) 架构。我们将 CKB 的知识拆分为不同的工具（如 Search_CKB_RFCs, Query_Nervos_Talk_History, Read_CCC_Codebase）。Agent 会主动拆解开发者的复杂问题，自主决定调用哪些工具、查阅哪些文档，并在信息不足时主动进行图结构搜索（多跳推理），从而最大化榨取知识库的价值。
Embedding 模型选型：采用 text-embedding-3-large (OpenAI)。单价极低，且具备出色的中英文双语跨语言表征与代码理解能力，是处理 CKB 中英混合技术讨论的最优解。
交互层：一套可拓展的多路由 Agentic Bot 框架，以及与 Nervos Talk 论坛数据实时交互的MCP系统。

所需资金

为何申请顶格资助（$2,000）？

常规的 $1,000-$1,500 预算通常只够支撑“单模型+基础向量检索”的轻量级 Bot。Nervos Brain 作为生态基础设施，工程复杂度更高：需构建知识图谱+向量数据库的混合检索底座，开发专属 MCP 服务器，并交付 Discord 与 Telegram 双平台的原生 Bot。。同时，解析 CKB 硬核长文档与跨语言实时提炼，会产生庞大的 Token 消耗。2,000 美元是保障深度技术攻坚与系统稳定落地的必要门槛。

LLM API 策略（基于 X-MAS 理论）：

本项目不采用本地部署开源模型，而是全面调用云端 API。基于 X-MAS（多模型协作 Agent 系统）理论，Agent 会动态路由任务以实现“效果-成本”的最优解：

基础交互与意图识别：路由至高性价比模型（如 GPT-5-mini / Haiku 4.5），处理日常轻量请求。
长文本与跨语言摘要：路由至长窗口模型（如 Gemini 3.1 Pro / Claude 4.6 Sonnet），专注解析 RFC/CCC 冗长文档与 Nervos Talk 历史长帖。
深度推理与代码生成：路由至顶尖模型（如 GPT-5.3 / Gemini 3.1 Pro），利用 CoT 处理极客级的底层架构或合约代码问题。

资金 Breakdown：

$700 (35%)：检索基建研发。 CKB 核心文档的抓取与清洗、混合检索底座搭建、以及专属 MCP 服务器开发。
$600 (30%)：Agent 架构与 Bot 开发。 X-MAS 多模型路由系统开发、Prompt 调优（消除 CKB 专有名词幻觉）、自动化跨语言巡逻脚本部署，以及 Discord Bot 与 TG Bot 的原生接口开发——两者均基于核心 Agentic RAG 引擎的统一接口封装实现，不产生额外的模型调用成本，主要开销为接口适配与联调的人力投入。
$400 (20%)：LLM API 成本（10 周预估）。 涵盖全量数据初始化的 Embedding 消耗，以及开发调试与种子用户内测期产生的大量交互 Token 成本。
$300 (15%)：服务器与交付。 内测期的云服务器/向量数据库租赁费用，以及最终的开源文档编写、演示视频制作与结项交付。

预计完成时间

10 周 （约 2 个月）注：遵循 Spark 计划“小步快跑”原则，本阶段高度聚焦于短周期内核心引擎的开发与多语言推送的跑通。

清晰的 To-do list

Week 1-3：数据获取与检索基建搭建

抓取并清洗 CKB 白皮书、RFCs、CCC 文档及 Nervos Talk 历年精华帖子长文。
部署 Qdrant 向量数据库，完成全量数据的 Embedding，并建立基于 Payload 元数据标签的索引。
基于 LangGraph / ReAct 架构，开发 Agent 动态路由与多工具调用逻辑。

Week 4-8**：Agent 引擎开发与跨语言功能上线**

调优专属 Prompt 与思维链（CoT），解决 CKB 专有名词及底层概念的幻觉问题。
开发专属 Nervos Talk/Discord/TG MCP 服务器，并完成基础版 Bot 交互框架的内测环境部署与联调。
内测准备：在 Bot 交互界面部署埋点与快捷反馈机制。

Week 9**-10：社区内测、迭代优化与开源交付**

启动内测：从 Discord/TG/论坛招募 10 名以上有经验的开发者进行真实场景测试。
敏捷迭代：每周进行 Triage（问题分流），复盘 Agent 内部推理轨迹（Reasoning Trace），针对 Bad Cases 集中优化 RAG 权重与 Prompt。
问卷与评估：向内测用户发放评估问卷，统计解决率、响应延迟及 CSAT 等核心指标达成情况。
结项交付：整理开源代码库，撰写详尽的部署/使用文档，并在 Nervos Talk 提交包含详细测试数据与转化率的结项报告。

与 CKB 生态的关联性

满足 CKB 生态实际需求：直击 CKB 当前“开发门槛高”、“官方支持人力遇颈”的痛点。对现阶段 CKB 核心开发者社群历史记录的抽样估算。数据显示，新开发者的大量痛点高度集中在环境配置、测试网水龙头、RPC 报错以及基础概念（如 Type/Lock Script 区别、Cell 容量计算）等重复性极高的“冷启动”环节。根据数据分析结果与先前自动化工作流项目情况估算，预计系统上线后，可拦截并自动解决社区中 50% 以上的基础/中级开发问题，大幅缩短开发者成功运行第一个 CKB Demo 的时间（Time-to-First-Hello-World），直接提升黑客松和悬赏任务的转化率。
提供独特竞争优势：针对 CKB 独有的 Cell 模型与硬核极客文化量身定制。有别于市面上的通用大模型，Nervos Brain 深度融合了 CKB 的底层逻辑与历史社区共识，不仅是一个问答工具，更是一个能跨越语言障碍、沉淀并分发 CKB 核心技术资产的生态中枢。
未来规划备注：若本次 Spark MVP 项目验证成功并取得良好社区反馈，我们计划将其升级，并申请长期的 Community Fund DAO 资助，以覆盖整个 CKB 生态长期的运营与治理追踪。

用户可以和 Bot 进行的具体交互？

得益于底层的 Graph Planning（图结构规划与状态编排） 和 Agentic RAG 架构，Nervos Brain 告别了传统大模型线性的"单次思考"模式，实现了基于工作流的非线性任务处理。普通开发者在 Discord 或 Telegram 中 @NervosBrain 时，将体验到以下三种交互模式：

场景一：基于意图识别路由的"启发式 Debug" (轻量级日常问答与精准溯源)

交互过程： 当开发者抛出一个模糊的报错（例如："我在跑 CCC 示例，RPC 报错 Invalid capacity，求助！"）。
后端路由与处理： 系统会瞬间路由至高性价比模型进行意图识别。如果 Graph 节点判断上下文缺失（即系统发现问题描述不够完整，无法直接检索），Bot 会主动反问：*“请问你目前使用的是 JS 还是 Rust SDK？”*，将用户交互与反馈作为 Graph Planning 的节点。
减少幻觉与高效路由： 获得补充信息后，引擎精准调度对应的代码库工具提取信息。为了尽量减少幻觉，Bot 在输出容量计算公式和可执行代码的同时，将会附带精确到代码行或官方文档的锚点链接（例如：[来源: CCC Codebase - capacity.ts Line 42]）。通过主动式 Graph 路由与严格溯源，以极短的路径、极高的准确度满足日常 Debug 需求。
典型对话流程：

用户：@NervosBrain 我在跑 CCC 示例，RPC 报错 Invalid capacity，求助！

Bot：请问你目前使用的是 JS 还是 Rust SDK？

用户：JS

Bot：已定位问题根因。

     错误原因：你的 Cell 容量未包含 Lock Script 序列化后的字节占用，
     这是 CKB Cell 模型与 EVM 最常见的认知差异之一。

     修复方案：
     // ❌ 错误写法（手动估算容量，极易遗漏 Script 体积）
     ...
     
     // ✅ 正确写法（让 CCC SDK 自动计算最小容量）
     ...
     
     ⚠️ 注意：... 会递归计算 Type Script（如有），
        若你的 Cell 挂载了复杂 Type Script，容量需在此基础上额外预留。

     📎 溯源：
     [1] CCC Codebase - helpers/capacity.ts Line 42（核心实现）
     [2] RFC-0022: CKB Transaction Structure §4.1（容量计算规范）
     [3] Nervos Talk: "新手必看：Cell 容量计算的三个常见误区"

场景二：唤醒沉睡的社区历史记忆，深挖历史共识的"多节点编排" (处理复杂问题与 Agent 自我验证)

交互过程： 用户提出宏观架构需求（例如："我想在 Fiber Network 上开一个通道，需要哪些前置条件和核心步骤？"）。
后端路由与处理： 大量关于底层设计权衡（Trade-offs）和"避坑指南"并未写在官方文档里，而是沉淀在社区的历史长帖中。面对这种需要深度上下文的任务，Graph Planning 会将其拆解为一个"有向无环图 (DAG)"（即系统会同时查询几个不同的资料来源，而不是顺序等待）。不同节点会并行运作：节点 A 去拉取最新的 Fiber API 文档；节点 B 调度长窗口模型（如 Gemini 3.1 Pro / Claude Sonnet）潜入知识库深度读取历史探讨；节点 C 则负责交叉验证。如果发现历史经验与最新 API 冲突，Graph 路由会自动触发纠错分支，寻找最新的社区共识。这种非线性、带逻辑校验的图结构检索，将散落的"社区资源"高保真地收束整合，为最终的教程生成提供坚实的数据底座。
自我验证与输出： 在最终输出前，Graph 会触发"自我验证节点 (Self-Reflection Node)"。Agent 会充当裁判，交叉比对草稿与检索到的原始资料。如果发现步骤中捏造了不存在的参数，或历史经验与最新 API 冲突，会自动触发纠错分支重新检索。最终输出的 Markdown 实战教程不仅步骤详尽，且每一句话背后都会挂载类似学术论文的交叉引用（如：[1] RFC-00xx: Fiber Protocol，[2] Nervos Talk: 关于状态通道的性能优化讨论），让新手直接站在前人的肩膀上，且步步踩在实处。
典型对话流程：

用户：@NervosBrain 我想在 Fiber Network 上开一个通道，
      需要哪些前置条件和核心步骤？

Bot：这是一个需要综合多方资料的问题，正在检索…
     ⚙️ [RFC-0044 Fiber Protocol] → [CKB Fiber SDK] → [Nervos Talk 历史讨论] → [交叉验证]

     📋 Fiber 通道开启完整指南

     【前置条件】
     · CKB 全节点已同步，RPC 可用
     · Funding 地址余额满足通道容量要求（含链上手续费预留）
     · 对端节点 Peer ID 与监听地址已确认

     【Step 1】建立 P2P 连接
     调用 connect_peer，确认握手成功后再进行下一步。
     [1] CKB Fiber SDK - peer.ts

     【Step 2】发起 open_channel
     关键参数：funding_amount（单位 Shannon，注意精度）、
     to_local_delay（链上强制关闭的等待区块数，影响资金安全性）
     [2] RFC-0044 §5.3：通道参数的安全性权衡

     【Step 3】等待链上确认与通道激活
     需等待 Funding Transaction 达到足够确认数，
     具体阈值由双方协商，建议参考社区经验值。
     [3] Nervos Talk: Fiber 上线实战记录（2024）

     ⚠️ 已检测到冲突：Nervos Talk 中一篇 2023 年旧帖的参数格式
        与当前 SDK v0.3+ 不兼容，上述步骤已以最新 RFC 为准。

场景三：打通平台孤岛的"跨语言雷达" (消除语言与信息壁垒)

交互过程： 支持两种使用模式，优先级不同：P1（确定交付） 为被动指令调用，用户在群内输入 /tldr [Nervos Talk / Discord 消息链接] 或 /explore [想要探索的话题]，即可获得即时的跨语言摘要；P2（实验性特性） 为主动式"社区技术快讯"推送——后台巡逻节点持续监听各平台热度，自动触发摘要生成并推送到目标社区。主动推送功能依赖多平台监听的稳定性与触发阈值调优，在 MVP 阶段作为实验性特性交付，会在结项报告中如实说明其可用状态与后续优化方向。
后端路由与处理： 中英文社区的技术讨论目前不仅存在语言割裂，还散落在 Discord、TG 和 Nervos Talk 等不同的平台孤岛中。当被动指令触发时，系统会调度长窗口模型对目标内容进行深度研判，提炼"核心争议点"、“优化思路"与"技术结论”，生成高质量的双语摘要并返回给用户。当实验性主动推送功能开启时，这套流程将由后台巡逻节点自动触发，相当于为 CKB 搭建一套全天候运行的技术情报雷达。
典型对话流程：

用户：/tldr https://talk.nervos.org/xxxx

Bot：📡 已提取核心内容（原帖 47 楼，英文）

     【核心争议】Fiber 在高并发下的路由算法选择：
      Dijkstra vs 概率路由，社区分歧明显。
      
     【主流观点】Jan、Frank 等核心开发者倾向概率路由，
      理由是链上状态更新频率的限制。
      
     【结论】暂无定论，RFC 修订提案已提交，预计 Q3 讨论。
     
     🌐 中文摘要已同步推送至 CKB 中文 TG 群
     📎 原帖链接 | 相关 RFC

社区内测与 MVP 验证方案 (User Study & Evaluation)

为了确保 Nervos Brain 的实际效用并避免“闭门造车”，在 Week 7-8 的内测阶段，我们将参考学术论文标准的用户研究（User Study）方法，采用“数据埋点 + 敏捷反馈”的闭环机制来评估和优化系统。

核心成功指标 (Success Metrics)

我们将通过以下量化与质化指标来定义 MVP 的成功：

准确率与采纳率 (Accuracy & Resolution)：
- 目标： 无人工干预情况下的问题解决率达到 50% 以上。
- 测量方式： 在 Bot 回复末尾引入 5 分制交互式按钮（1 - 5） 作为快捷反馈机制。我们将对分数进行业务定义：
  - 5 (完美解决) & **4 (解决核心问题，含微小瑕疵)**：均计入“有效解决 (Resolved)”。
  - **3 (提供部分信息，需人工追问)**：计入“部分解决 (Partially Resolved)”。
  - **1 - 2 (幻觉、错误或答非所问)**：计入“未解决 (Unresolved)”。
- 注：当3、 4 和 5 的总占比超过 50% 时，即达成 MVP 解决率目标。
响应速度 (Latency)：
- 目标： 基础检索响应 < 20 秒；涉及多跳推理与代码生成的复杂 Agent 任务 < 60 秒。
用户满意度 (User Satisfaction / CSAT**)：**
- 目标： 基于所有用户的星级打分，内测期间整体平均满意度（CSAT）达到 3.0/5.0 以上。

测试样本与招募渠道 (Testers & Channels)

规模： 招募 10 名以上具有相关开发经验的测试者。
渠道： 定向邀请 Discord dev-chat 频道的活跃用户、Nervos Talk 论坛高频发帖者，以及通过官方 Telegram 开发者群组发布内测邀请。

反馈收集与整合机制 (Feedback Loop)

隐式反馈与错误排查 (Telemetry & Triage)： 后台会重点记录并追踪所有评分为 1 - 3 (未解决或仅部分解决) 的对话（Bad Cases）。我们将每周进行问题分流，通过复盘 Agent 的内部推理轨迹（Reasoning Trace），准确定位是“检索遗漏”、“Prompt 幻觉”还是“工具调用错误”。
显式反馈 (User Interview/Survey)： 在 Week 8 结束前，向内测用户发送一份结构化的极简问卷（耗时 < 3分钟），收集他们对“回答专业度”、“语气自然度”及“代码可用性”的深层主观评价，补充单次对话打分无法覆盖的全局体验。
迭代整合： 基于上述收集到的 Bad Cases 与问卷反馈，在最终交付前集中进行最后一轮的 RAG 知识库权重微调与提示词（Prompt）优化，并将详细的测试数据（各星级占比、CSAT 均分、转化率）写入最终的结项报告中。

外部开发者如何体验和评估交付物？

为了让测试者和社区成员零门槛地评估上述功能，我们在最终交付（Week 9-10）时将提供：

开箱即用的测试沙盒： 公开测试版 Discord 服务器邀请码与 TG Bot ID。外部开发者无需任何配置，进群即可直接艾特 Bot 进行真实场景的提问测试。
可视化推理轨迹： 系统的回复将包含折叠的"Graph 执行轨迹（Execution Trace）"，让评估者清晰看到系统是如何路由模型、调用 Nervos Talk 数据并进行逻辑推演的。
功能演示视频与文档： 交付时将附带一份详尽的部署/使用文档，以及一段 3-5 分钟的实机功能演示视频，完整覆盖上述核心交互场景的端到端流程。
真实量化数据： 内测期间，所有回复均带有 1-5 星级交互评估按钮。结项时会提交一份包含 问题解决率（3-5星占比）、平均客户满意度（CSAT**）** 与 响应延迟 的真实测试报告，以学术标准证明系统的有效性。

zz_tovarishch · February 25, 2026, 10:25am

Hi @IrisNeko, thanks for submitting the Nervos Brain proposal. Before we move to committee review, please revise and clarify the following:
感谢您提交 Nervos Brain 项目提案。在提交委员会审核之前，请您修改并澄清以下内容：

1. Scope & Priority
MCP Server + Agentic RAG + cross-language TL;DR engine + Discord Bot + TG Bot + knowledge graph + vector DB, this is a lot for one person in 8 weeks. Please define your MVP core and rank your deliverables by priority.
一个人8周内同时交付这么多模块，工作量不小。请明确 MVP 核心以及对交付物做优先级排序。

2. $2,000 Justification
The top-tier grant requires stronger justification. Why is $1,000-$1,500 insufficient? And for a LLM project, your budget breakdown has no line item for LLM API costs. Which model are you using? Self-hosted or API calls? What’s the estimated cost over 8 weeks?
顶格资助需要更充分的论证。为什么 $1,000-$1,500 不够？另外，对于一个LLM项目，Budget 里缺少 LLM API 调用成本这一项。用什么模型？自部署还是调 API？8周预估费用多少？

3. Technical Details

The “60% auto-resolution” claim, what’s the basis? Data analysis from previous project or estimate?
Tech stack for knowledge graph, vector DB, embedding model?
“自动解决60%问题” 的依据是什么？基于过往项目的数据分析还是估算？
知识图谱、向量数据库、embedding model 的具体技术选型是什么？

4. Testing Plan
Your budget mentions “community beta testing” but doesn’t elaborate. How do you plan to evaluate whether Nervos Brain actually works? Specifically: what metrics define success (e.g. answer accuracy, response time, user satisfaction)? How many testers, from which channels? How will you collect and incorporate feedback before final delivery?
Budget 中提到了"社区内测"但没有展开。你打算如何验证 Nervos Brain 是否真正有效？具体来说：用什么指标衡量成功（如回答准确率、响应速度、用户满意度）？多少测试用户、从哪些渠道招募？如何在最终交付前收集和整合反馈？

5. Sustainability
Who covers server and API costs after the grant ends? What’s the plan after the Spark?
Grant 结束后服务器和 API 费用谁承担？Spark 结项后该项目的计划是什么？

6. Background Details
Please add links to your GitHub profile and Civitai published works.
请补充 GitHub 和 Civitai 作品链接。

7. Payment Preference
This cycle, Spark grants can be paid in 100% CKB or 100% USDI. Please specify your preference.
本期 Spark 资助支持 100% CKB 或 100% USDI 支付，请明确您的选择。

Please update your proposal. Feel free to reach out if anything is unclear.
请更新您的 Proposal，有疑问请随时沟通。

cc @Hanssen @yixiu.ckbfans.bit @xingtianchunyan

IrisNeko · February 27, 2026, 1:47pm

Hi @zz_tovarishch, 感谢您的细致审核与宝贵建议！针对您提出的问题，我已经对主贴的提案内容进行了重新梳理和同步更新。以下是具体的澄清与答复：

1. Scope & Priority (MVP 核心与交付物优先级排版)

针对 8 周的开发周期，我已经明确了 MVP 的核心边界与优先级。现在的预期交付成果（MVP Core）如下：

基础设施： 一套永久开源的 CKB AI 知识库与 Agent 系统，可供后续生态内所有钱包或开发者工具复用。
- P0： Vector DB + Graph Planning（核心知识库与图结构知识检索框架，包括 Nervos 核心文档与示例）
- P0： 基于 Agentic RAG 的 Bot 框架
- P1： Nervos Talk MCP 工具，完成基础社交功能
- P2： Discord Bot / TG Bot（根据具体进展确定是否在 8 周内完整交付）
代码仓库： 交付完整的开源代码库。
文档说明： 详细的部署指南与用户使用文档。

2. $2,000 Justification (资金预算与 LLM API 成本说明)

Nervos Brain 作为生态基础设施，工程复杂度远超“单模型+基础向量检索”的轻量级 Bot。我们需要构建混合检索底座、开发专属 MCP 服务器，并处理 CKB 硬核长文档与跨语言提炼，这会产生庞大的 Token 消耗。$2,000 是保障系统稳定落地与深度技术攻坚的必要门槛。

LLM API 策略（基于 X-MAS 理论）：
本项目不采用本地部署开源模型，而是全面调用云端 API。Agent 会动态路由任务以实现“效果-成本”的最优解：

基础交互与意图识别： 路由至高性价比模型（如 GPT-5-mini / Haiku 4.5）。
长文本与跨语言摘要： 路由至长窗口模型（如 Gemini 3.1 Pro / Claude 4.6 Sonnet），处理冗长文档与论坛长帖。
深度推理与代码生成： 路由至顶尖模型（如 GPT-5.3 / Gemini 3.1 Pro），利用 CoT 处理底层架构或合约代码问题。

资金 Breakdown：

$700 (35%) - 检索基建研发： CKB 核心文档抓取与清洗、混合检索底座搭建、专属 MCP 服务器开发。
$600 (30%) - Agent 架构开发： 多模型路由系统开发、Prompt 调优（消除专有名词幻觉）、自动化跨语言巡逻脚本部署。
$400 (20%) - LLM API 成本（8周预估）： 涵盖全量数据初始化的 Embedding 消耗，以及开发调试与种子用户内测期产生的大量交互 Token 成本。
$300 (15%) - 服务器与交付： 内测期的云服务器/向量数据库租赁费用，以及开源文档编写与结项交付。

3. Technical Details (自动解决依据与技术选型)

关于“自动解决问题”的依据：
这基于对现阶段 CKB 核心开发者社群历史记录的抽样估算。数据显示，新开发者的大量痛点高度集中在环境配置、水龙头、RPC 报错及基础概念等重复性极高的“冷启动”环节。根据数据分析结果与先前自动化工作流项目情况估算，预计系统上线后可拦截并自动解决社区中 50% 以上的基础/中级开发问题，大幅缩短 Time-to-First-Hello-World，提升黑客松和悬赏转化率。

具体技术选型：

向量数据库 (Vector DB)： 采用 Qdrant (Serverless)。免运维、轻量极快。通过为 CKB 文档打上精准 Payload 元数据标签与向量化索引，实现精准混合搜索。
Agent 推理与控制层： 采用基于 LangGraph 或大模型原生 Function Calling 的 ReAct 架构。Agent 会主动拆解问题，自主调用工具并进行图结构多跳推理。
Embedding 模型选型： 采用 text-embedding-3-large (OpenAI)。单价低，中英文双语跨语言表征与代码理解能力出色。

4. Testing Plan (社区内测与 MVP 验证方案)

为了避免“闭门造车”，我们将在 Week 7-8 采用“数据埋点 + 敏捷反馈”的闭环机制来评估和优化系统：

1. 核心成功指标 (Metrics)： * 准确率与采纳率：无人工干预情况下的基础问题解决率 > 50%（通过回复末尾的 / 按钮测量）。
- 响应速度：基础检索 < 15 秒；复杂 Agent 任务 < 60 秒。
- 用户满意度：内测用户 CSAT > 3.0/5.0。
2. 测试样本与招募： 招募 10 名以上有经验的测试者。通过 Discord dev-chat、Nervos Talk 及 TG 开发者群组定向邀请。
3. 反馈收集与整合： * 隐式反馈：记录所有对话，每周 Triage 复盘 Agent 推理轨迹。
- 显式反馈：Week 8 发放结构化极简问卷，收集专业度、可用性等主观评价。
- 集中优化：针对 Bad Cases 集中微调 RAG 权重与 Prompt，最终数据将写入结项报告。

5. Sustainability (后期维护与计划)

结束后的费用承担： Spark 结束后，服务器和 API 费用将由 Nervos 公司承担。
Spark 结项后的计划： 首要计划是补全进阶功能并实现生态的深度集成。首先，全面部署并长期维护 Discord 与 TG Bot，实现 24/7 自动化答疑；其次，上线跨语言巡逻脚本，主动推送 GitHub 与社区长帖的双语摘要；同时深化图结构多跳推理。在取得良好的社区真实数据验证后，我们将以此为基础申请长期的 Community Fund DAO 资助，持续推进 CKB 生态百科的迭代。

6. Background Details (作品链接)

GitHub Profile: iris-Neko (irisNeko) · GitHub
Civitai Published Works: ControlNet ASCII Generator
Corresponding GitHub Open-Source Project: ComfyUI_ascii_art

7. Payment Preference (支付偏好)

本次 Spark 资助我选择 100% USDI 支付。

zz_tovarishch · February 27, 2026, 2:13pm

是因为没有到L1, 目前已经可以了，请把链接加入吧

IrisNeko · March 2, 2026, 7:59am

您好，打扰了。

上周五我针对 @zz_tovarishch 提出的宝贵建议，对 Nervos Brain 的提案进行了全面的梳理与更新（主要补充了 MVP 核心边界、API 预算拆解、技术选型以及测试方案等细节）。

考虑到刚刚度过周末，不知道各位目前是否有时间查看更新后的内容？非常希望能听听几位对最新方案的看法与意见。如果目前的 MVP 规划或资金预算还有任何需要进一步解释或调整的地方，我随时可以配合修改。

另外，也想向各位同步了解一下目前 Spark Program 提案的审批进度以及接下来的流程。

感谢各位的时间与对本提案的关注，期待你们的反馈！
@zz_tovarishch @Hanssen @yixiu.ckbfans.bit @xingtianchunyan

zz_tovarishch · March 2, 2026, 9:30am

Hi Irisneko,

Spark committee每周一会进行会议评审讨论项目，
会后会尽快与申请人、项目方在Talk联系反馈，请稍等

IrisNeko · March 3, 2026, 8:58am

@zz_tovarishch 傍晚好，打扰了。考虑到昨天咱们 Spark committee 已经完成了周一的评审，想赶在今天下班前冒昧跟进一下：不知道 Nervos Brain 的提案目前是否有初步的反馈或结论了？

主要是想看看是否有哪些地方需要我这边进一步修改或补充，如果有的话，我可以提前规划时间尽快调整，以免耽误咱们整体的审批流程。辛苦各位，期待您的回复！

zz_tovarishch · March 3, 2026, 9:48am

Hi @IrisNeko, apologies for the delayed response. Our staff member responsible for syncing outcomes was out sick today. Here’s the update.

The Spark Committee has reviewed the Nervos Brain proposal. The committee recognizes the value of using AI to integrate existing ecosystem resources and bridge community knowledge silos. After discussion, the proposal is currently Pending, with the following feedback for revision:

1. Deliverables need to be more concrete
The current description remains abstract on what the system actually does from an end-user perspective. Please clarify:

What specific interactions can users have with the Bot? (e.g. what types of questions it handles, what a typical conversation flow looks like)
How would an external developer experience and evaluate the deliverables?

2. Add a demo video/document to deliverables
To help testers and community members understand how to use and evaluate the system, please add a functional demo video or walkthrough document as a committed deliverable.

3. If requesting $2,000, P2 should be delivered
The committee’s position: if approved at the $2,000 cap, the Discord/TG Bot deployment (currently listed as P2, delivery TBD) should be included as a firm commitment, not optional.

Please revise your proposal accordingly.

Hi @IrisNeko，抱歉回复晚了，负责同步结果的同事今天生病了，这边更新一下进展。

Spark Committee 已经讨论了 Nervos Brain 提案。委员会认可该项目借助 AI 整合生态现有资源、打通社区信息壁垒的价值。经讨论，提案目前状态为 Pending，需要根据以下反馈进行修改：

1. 交付物需要更具体
当前描述在最终用户视角上仍然偏抽象，请补充说明：

用户可以和 Bot 进行哪些具体交互？（比如能处理哪类问题、典型对话流程是什么样的）
外部开发者如何体验和评估交付物？

2. 交付物中增加功能演示视频/文档
为了帮助测试者和社区成员了解如何使用和评估系统，请将功能演示视频或使用说明文档作为正式交付承诺。

3. 如果申请 $2,000，P2 应承诺交付
委员会的立场是：如果批准 $2,000 顶格资助，Discord/TG Bot 部署（目前列为 P2，视进度而定）应作为确定的交付承诺，是不是可选项。

请据此修改提案。

元宵节快乐！

Zhouzhou
On behalf of the Spark Program Committee

Fisher · March 3, 2026, 2:47pm

个人感觉俩痛点都没那么痛……而且通用人工智能已经能而且肯定能越来越满足基本需求。

zz_tovarishch · March 4, 2026, 12:25am

通用 AI 的能力确实在快速提升。但目前通用模型在 CKB 特定问题上的表现还是有明显短板的。比如去问 ChatGPT 怎么构造一个 CKB 交易、Type Script 和 Lock Script 的区别、或者 Fiber 通道怎么开，得到的回答大概率是过时的、不准确的，甚至是编造的。核心原因是 CKB 的技术文档体量小、更新快，通用模型的训练数据覆盖不足。

把 CKB 的 RFC、开发者文档、Nervos Talk 历史讨论这些散落在各处的专有知识整合成一个可检索、可推理的知识库，让 AI 的回答有据可查。这跟通用模型的能力提升不矛盾，反而是互补的：通用模型越强，配上高质量的专有知识源，效果越好。

另外跨语言摘要这个点，目前中英文社区的讨论确实存在割裂，这不是通用 AI 能自动解决的问题，需要有人把管道搭起来。

当然，这个项目最终能不能真正解决问题，还要看交付质量。而且作为试验田，让开发者在Spark尝试想法，如果有推广到整个生态的潜力，再去申请DAO，也是Spark设置的初心。

General AI capabilities are indeed improving fast. But current general-purpose models still have clear gaps when it comes to CKB-specific questions. Ask ChatGPT how to construct a CKB transaction, the difference between Type Script and Lock Script, or how to open a Fiber channel, and the answers are likely outdated, inaccurate, or fabricated. The core reason is that CKB’s technical documentation is small in volume and updates frequently, so general models have insufficient training data coverage.

Integrating CKB’s RFCs, developer docs, and historical Nervos Talk discussions into a searchable, reasoning-capable knowledge base so that AI answers are grounded in verifiable sources is not at odds with general model improvements. It’s complementary: the stronger general models get, the better they perform when paired with high-quality domain-specific knowledge.

On the cross-language summary point, the English and Chinese community discussions are genuinely fragmented. That’s not something general AI solves on its own; someone needs to build the pipeline.

Of course, whether this project actually delivers on these goals comes down to execution quality. And as an experimental ground, letting developers test ideas through Spark and then pursue ecosystem-wide adoption via a DAO proposal if the potential is there, that’s exactly what Spark was designed for.

IrisNeko · March 5, 2026, 7:05am

Hi @zz_tovarishch, 感谢您对提案价值的认可以及宝贵的反馈建议！针对您提出的反馈，我已经对主贴的提案内容进行了重新梳理和同步更新。以下是具体的答复：

1. 接受将 Discord/TG Bot 升级为确定的交付承诺 (P1)

我们非常认同委员会的立场：一个可见的、可交互的最终用户入口，是评估本项目价值的核心。 因此，如果获得 $2,000 的资助，我们将把 Discord Bot 和 Telegram Bot 从"视进度而定 (P2)“正式升级为"确定交付项 (P1)”。为确保质量，交付周期相应调整为 10 周，节奏如下：原 Week 1-6 专注于核心 RAG 引擎与 MCP 服务器的开发（保持不变）；新增的 Week 7-8 专项完成 Discord Bot 与 TG Bot 的原生接口开发与引擎对接；Week 9-10 进行社区内测、敏捷迭代与开源文档交付。Bot 集成工作之所以需要独立两周，是因为 discord.py / aiogram 的异步事件循环与 LangGraph 的状态管理需要仔细适配，且两个平台的交互逻辑（权限管理、消息路由、频率限制）差异较大，需充分联调以保证稳定性。

2. 用户可以和 Bot 进行哪些具体交互？

得益于底层的 Graph Planning（ 图结构 规划与状态编排） 和 Agentic RAG 架构，Nervos Brain 告别了传统大模型线性的"单次思考"模式，实现了基于工作流的非线性任务处理。普通开发者在 Discord 或 Telegram 中 @NervosBrain 时，将体验到以下三种交互模式：

场景一：基于意图识别路由的" 启发式 Debug" (轻量级日常问答与精准溯源)

交互过程： 当开发者抛出一个模糊的报错（例如："我在跑 CCC 示例，RPC 报错 Invalid capacity，求助！"）。
后端路由与处理： 系统会瞬间路由至高性价比模型进行意图识别。如果 Graph 节点判断上下文缺失（即系统发现问题描述不够完整，无法直接检索），Bot 会主动反问：“请问你目前使用的是 JS 还是 Rust SDK？”，将用户交互与反馈作为 Graph Planning 的节点。
减少幻觉与高效路由： 获得补充信息后，引擎精准调度对应的代码库工具提取信息。为了尽量减少幻觉， Bot 在输出容量计算公式和可执行代码的同时，将会附带精确到代码行或官方文档的锚点链接（例如：[来源: CCC Codebase - capacity.ts Line 42]）。通过主动式 Graph 路由与严格溯源，以极短的路径、极高的准确度满足日常 Debug 需求。
典型对话流程：

用户：@NervosBrain 我在跑 CCC 示例，RPC 报错 Invalid capacity，求助！

Bot：请问你目前使用的是 JS 还是 Rust SDK？

用户：JS

Bot：已定位问题根因。

     错误原因：你的 Cell 容量未包含 Lock Script 序列化后的字节占用，
     这是 CKB Cell 模型与 EVM 最常见的认知差异之一。

     修复方案：
     // ❌ 错误写法（手动估算容量，极易遗漏 Script 体积）
     ...
     
     // ✅ 正确写法（让 CCC SDK 自动计算最小容量）
     ...
     
     ⚠️ 注意：... 会递归计算 Type Script（如有），
        若你的 Cell 挂载了复杂 Type Script，容量需在此基础上额外预留。

     📎 溯源：
     [1] CCC Codebase - helpers/capacity.ts Line 42（核心实现）
     [2] RFC-0022: CKB Transaction Structure §4.1（容量计算规范）
     [3] Nervos Talk: "新手必看：Cell 容量计算的三个常见误区"

场景二：唤醒沉睡的社区历史记忆，深挖历史共识的"多节点编排" (处理复杂问题与 Agent 自我验证)

交互过程： 用户提出宏观架构需求（例如："我想在 Fiber Network 上开一个通道，需要哪些前置条件和核心步骤？"）。
后端路由与处理： 大量关于底层设计权衡（Trade-offs）和"避坑指南"并未写在官方文档里，而是沉淀在社区的历史长帖中。面对这种需要深度上下文的任务，Graph Planning 会将其拆解为一个"有向无环图 (DAG)"（即系统会同时查询几个不同的资料来源，而不是顺序等待）。不同节点会并行运作：节点 A 去拉取最新的 Fiber API 文档；节点 B 调度长窗口模型（如 Gemini 3.1 Pro / Claude Sonnet）潜入知识库深度读取历史探讨；节点 C 则负责交叉验证。如果发现历史经验与最新 API 冲突，Graph 路由会自动触发纠错分支，寻找最新的社区共识。这种非线性、带逻辑校验的图结构检索，将散落的"社区资源"高保真地收束整合，为最终的教程生成提供坚实的数据底座。
自我验证与输出： 在最终输出前，Graph 会触发"自我验证节点 (Self-Reflection Node)"。Agent 会充当裁判，交叉比对草稿与检索到的原始资料。如果发现步骤中捏造了不存在的参数，或历史经验与最新 API 冲突，会自动触发纠错分支重新检索。最终输出的 Markdown 实战教程不仅步骤详尽，且每一句话背后都会挂载类似学术论文的交叉引用（如：[1] RFC-00xx: Fiber Protocol，[2] Nervos Talk: 关于状态通道的性能优化讨论），让新手直接站在前人的肩膀上，且步步踩在实处。
典型对话流程：

用户：@NervosBrain 我想在 Fiber Network 上开一个通道，
      需要哪些前置条件和核心步骤？

Bot：这是一个需要综合多方资料的问题，正在检索…
     ⚙️ [RFC-0044 Fiber Protocol] → [CKB Fiber SDK] → [Nervos Talk 历史讨论] → [交叉验证]

     📋 Fiber 通道开启完整指南

     【前置条件】
     · CKB 全节点已同步，RPC 可用
     · Funding 地址余额满足通道容量要求（含链上手续费预留）
     · 对端节点 Peer ID 与监听地址已确认

     【Step 1】建立 P2P 连接
     调用 connect_peer，确认握手成功后再进行下一步。
     [1] CKB Fiber SDK - peer.ts

     【Step 2】发起 open_channel
     关键参数：funding_amount（单位 Shannon，注意精度）、
     to_local_delay（链上强制关闭的等待区块数，影响资金安全性）
     [2] RFC-0044 §5.3：通道参数的安全性权衡

     【Step 3】等待链上确认与通道激活
     需等待 Funding Transaction 达到足够确认数，
     具体阈值由双方协商，建议参考社区经验值。
     [3] Nervos Talk: Fiber 上线实战记录（2024）

     ⚠️ 已检测到冲突：Nervos Talk 中一篇 2023 年旧帖的参数格式
        与当前 SDK v0.3+ 不兼容，上述步骤已以最新 RFC 为准。

场景三：打通平台孤岛的"跨语言雷达" (消除语言与信息壁垒)

交互过程： 支持两种使用模式，优先级不同：P1（确定交付） 为被动指令调用，用户在群内输入 /tldr [Nervos Talk / Discord 消息链接] 或 /explore [想要探索的话题]，即可获得即时的跨语言摘要；P2（实验性特性） 为主动式"社区技术快讯"推送——后台巡逻节点持续监听各平台热度，自动触发摘要生成并推送到目标社区。主动推送功能依赖多平台监听的稳定性与触发阈值调优，在 MVP 阶段作为实验性特性交付，会在结项报告中如实说明其可用状态与后续优化方向。
后端路由与处理： 中英文社区的技术讨论目前不仅存在语言割裂，还散落在 Discord、TG 和 Nervos Talk 等不同的平台孤岛中。当被动指令触发时，系统会调度长窗口模型对目标内容进行深度研判，提炼"核心争议点"、“优化思路"与"技术结论”，生成高质量的双语摘要并返回给用户。当实验性主动推送功能开启时，这套流程将由后台巡逻节点自动触发，相当于为 CKB 搭建一套全天候运行的技术情报雷达。
典型对话流程：

用户：/tldr https://talk.nervos.org/xxxx

Bot：📡 已提取核心内容（原帖 47 楼，英文）

     【核心争议】Fiber 在高并发下的路由算法选择：
      Dijkstra vs 概率路由，社区分歧明显。
      
     【主流观点】Jan、Frank 等核心开发者倾向概率路由，
      理由是链上状态更新频率的限制。
      
     【结论】暂无定论，RFC 修订提案已提交，预计 Q3 讨论。
     
     🌐 中文摘要已同步推送至 CKB 中文 TG 群
     📎 原帖链接 | 相关 RFC

3. 外部开发者如何体验和评估交付物？（包含演示视频承诺）

为了让测试者和社区成员零门槛地评估上述功能，我们在最终交付（Week 9-10）时将提供：

开箱即用的测试沙盒： 公开测试版 Discord 服务器邀请码与 TG Bot ID。外部开发者无需任何配置，进群即可直接艾特 Bot 进行真实场景的提问测试。
可视化推理轨迹： 系统的回复将包含折叠的"Graph 执行轨迹（Execution Trace）"，让评估者清晰看到系统是如何路由模型、调用 Nervos Talk 数据并进行逻辑推演的。
功能演示视频与文档： 交付时将附带一份详尽的部署/使用文档，以及一段 3-5 分钟的实机功能演示视频，完整覆盖上述三大核心交互场景的端到端流程。
真实量化数据： 内测期间，所有回复将带有 5 分制交互式按钮（1 - 5） 评估按钮，结项时会提交一份包含问题解决率与响应延迟的真实测试报告。

zz_tovarishch · March 5, 2026, 8:23am

Hi @IrisNeko, I’m glad to share that the Spark Program Committee has approved your Nervos Brain proposal for a grant of $2,000 USD (100% USDI).

The committee recognizes a real gap in the ecosystem: CKB’s developer onboarding relies heavily on manual support that doesn’t scale, and valuable technical discussions remain fragmented across languages and platforms. Your proposal addresses both. The iterative revisions throughout the review process, from clarifying MVP priorities to committing concrete interaction scenarios and a demo video, demonstrated strong responsiveness and project management awareness. With the Discord/TG Bot now a firm deliverable, the committee is confident this project can produce a tangible, testable tool for the community within the 10-week timeline.

Here are the next steps:

1. Funding & Wallet Address
The total grant is $2,000 USDI. The first installment (20%, $400 USDI) will be disbursed shortly. Please provide a CKB wallet address to receive the funds. The remaining 80% follows a flexible model: you can request funds on-demand during weekly syncs, or receive the balance upon project completion.

2. Weekly Sync
We’d like to set up a regular weekly check-in. Two options:

Text-based updates on this thread at a fixed time each week, with committee feedback.
A brief live video call.
Please let us know your preference and a time that works for you.

3. Proposal Content Lock
Now that the proposal is approved, we’ll lock the current version of your proposal post as the reference baseline for deliverable verification. This is standard practice for all approved Spark projects. If any adjustments are needed during development, we can discuss and document them in our weekly syncs.

Congratulations and looking forward to the collaboration!

Hi @IrisNeko，很高兴通知你，Spark Program Committee 已批准 Nervos Brain 项目，资助金额为 $2,000 USD（100% USDI）。

委员会认为这个项目回应了生态中的真实缺口：CKB 的开发者 onboarding 高度依赖人工支持，难以规模化，同时大量技术讨论在语言和平台之间割裂。在整个评审过程中，从明确 MVP 优先级到承诺具体的交互场景和演示视频，你展现了良好的响应能力和项目管理意识。Discord/TG Bot 作为确定交付项纳入后，委员会对10周内交付一个可测试的实用工具有信心。

接下来的步骤：

1. 资金与钱包地址
资助总额 $2,000 USDI，首笔（20%，$400 USDI）将尽快发放。请提供接收资金的 CKB 钱包地址。剩余 80% 采用灵活模式：可在每周同步时按需申请，也可在结项时领取。

2. 每周同步
我们希望建立固定的周同步机制，有两种方式：

在本帖进行文字同步，每周固定时间更新进展，委员会回复反馈。
简短的视频通话。
请告知你的偏好和方便的时间。

3. 提案内容锁定
提案获批后，我们会将当前版本的提案帖锁定，作为后续交付验收的参照基准。这是所有 Spark 获批项目的常规流程。如果开发过程中需要调整，可以在每周同步时沟通并记录。

恭喜！期待与您合作！

Best,
Zhouzhou
On behalf of the Spark Program Committee

cc @Hanssen @yixiu.ckbfans.bit @xingtianchunyan

IrisNeko · March 6, 2026, 3:22pm

Hi Spark Program Committee,

非常感谢委员会的认可和支持！很高兴 Nervos Brain 项目能够顺利获批，我也非常有信心在接下来的 10 周内为大家交付一个高质量、可测试的实用工具。

关于接下来的步骤，我的确认和回复如下：

1. 资金与钱包地址 接收首笔和后续 USDI 资金的 CKB 钱包地址如下： [ckb1qrgqep8saj8agswr30pls73hra28ry8jlnlc3ejzh3dl2ju7xxpjxqgqqywl8cx055zewvgzjtw3w0zndmgr4ml5q5qhpdcd]

(注：我使用的是 JoyID 钱包，界面有一个常规提示说“部分钱包/交易所可能不支持向该地址转账”。想跟委员会确认一下，向这个 JoyID 地址转入 USDI 是否存在兼容性问题？如果没问题就用这个；如果确有影响，请告知，我可以随时更换为 Neuron 或 imToken 地址。)

2. 每周同步 我倾向于选择在本帖进行文字同步，这样方便留存记录。关于更新频率，我计划在每周一固定更新项目进展。考虑到今天是周五（3月6日），周末我需要稍作休息和梳理，因此我将在**下下周一（3月16日）**进行首次进展汇报。希望这个时间安排没问题。

3. 提案内容锁定 没问题，我理解并同意将当前提案帖锁定作为后续交付验收的基准。如果在开发过程中遇到需要调整 MVP 优先级或细节的情况，我会在每周的同步中与委员会沟通并记录。

再次感谢委员会的信任与高效反馈，期待接下来的开发与合作！

Best, IrisNeko

IrisNeko · March 6, 2026, 4:09pm

我通过不同的joyid钱包测试了ckb和usdi可以正常互相转账。

zz_tovarishch · March 7, 2026, 4:11am

Hi @IrisNeko, all noted. Monday text-based sync on this thread works well, and March 16 for the first update is fine.

The first installment ($400 USDI, 20%) has been disbursed:
https://explorer.nervos.org/en/transaction/0x6a66ce11d2ae2ee43a39bb0f68c1f1febc7cc9de5b63887bc725b0fc77e8a736

Please confirm once received. Looking forward to the first progress update on March 16.

Hi @IrisNeko，收到，每周一在本帖文字同步没问题，3月16日首次更新也 OK。

首笔启动资金（$400 USDI，20%）已发放：
https://explorer.nervos.org/en/transaction/0x6a66ce11d2ae2ee43a39bb0f68c1f1febc7cc9de5b63887bc725b0fc77e8a736

请确认到账。期待 3月16日的首次进展更新。

Best,
Zhouzhou
On behalf of the Spark Program Committee

Spark Program | Nervos Brain - A Global Developer Onboarding Engine and Cross-Language Hub Powered by Agentic RAG

Project Name

Team / Individual Profile & Contact Info

Project Description

Expected Deliverables

Technical Details

Funding Required

Estimated Timeline

Alignment with the CKB Ecosystem

Specific Interactions with the Bot

Community Beta Testing & MVP Validation (User Study & Evaluation)

How Can External Developers Experience and Evaluate the Deliverables?

项目名称

团队 / 个人简介及联系方式

项目描述

预期交付成果

MVP Core

Technical Details

所需资金

预计完成时间

清晰的 To-do list

与 CKB 生态的关联性

用户可以和 Bot 进行的具体交互？

社区内测与 MVP 验证方案 (User Study & Evaluation)

核心成功指标 (Success Metrics)

测试样本与招募渠道 (Testers & Channels)

反馈收集与整合机制 (Feedback Loop)

外部开发者如何体验和评估交付物？

1. Scope & Priority (MVP 核心与交付物优先级排版)

2. $2,000 Justification (资金预算与 LLM API 成本说明)

3. Technical Details (自动解决依据与技术选型)

4. Testing Plan (社区内测与 MVP 验证方案)

5. Sustainability (后期维护与计划)

6. Background Details (作品链接)

7. Payment Preference (支付偏好)

1. 接受将 Discord/TG Bot 升级为确定的交付承诺 (P1)

2. 用户可以和 Bot 进行哪些具体交互？

3. 外部开发者如何体验和评估交付物？（包含演示视频承诺）