Midnight 测试面向 13 家联邦式运营方的 AI 辅助监控器

Midnight，这条专注隐私的 Cardano 伙伴链，展示了一个内部 AI 辅助监控原型，可在 13 家联邦式运营方范围内每 5 秒检查一次网络状况。该工具是在其一条测试网络发生最终性停滞却未被现有警报系统捕获之后开发的。

最终性停滞暴露了监控缺口

在 8 月 5 日 Fireside Dev Hang 期间，Midnight 的开发者关系团队解释称，此前的监控跟踪的是节点可用性和出块情况。它没有独立衡量网络最近产出的区块与最近最终确定的区块之间的差距。

在这一差距扩大时，节点可能仍保持在线并继续出块。因此，尽管网络已停止最终确定新区块，该测试网事件仍被记录为全时可用。

Midnight 使开发者能够使用零知识证明和选择性披露构建应用。其当前主网架构采用联邦式节点运营方，包括基础设施、支付和科技公司，这些公司在网络初始阶段负责维护共识。

新的监控器会就这 13 家运营方检查遗漏节点、延迟的验证者、分叉、对等数偏低以及异常的最终性差距。由此扩大了对支撑 Midnight 应用和 $NIGHT 网络的基础设施的可见性。

确定性规则控制每一次警报

该服务通过 WebSocket 连接接收只读的网络遥测，并将其归纳为每个节点的当前视图，包括对等数、最佳区块和已最终确定的区块数据。

固定规则决定是否应触发警报、适用哪一行动级别，以及该状况是新的还是在恶化。相同的确定性层还控制通知中包含的每个验证者名称、数值和时间戳。

一个本地托管的开放模型，约三十亿参数，仅在这些决策作出之后才参与。其作用仅限于将已核准的事实转换为可读的警报或每日网络摘要。

该模型不能触发或抑制警报、修改报告的数值、诊断事件原因，或指示运营方重启验证者。若其输出未通过验证或模型不可用，服务将改为发送确定性的模板。

每条警报都会链接到预定义的运维手册。工程师仍需负责调查事件并选择任何纠正措施。

主网演示识别到 MoneyGram 对等节点异常

在演示过程中，监控器报告称 13 家联邦式运营方全部在线，平均最终性差距为 2.3 个区块，平均出块时间为 6 秒。

生成的摘要使用了 287 个模型 token，并识别出一项非关键异常。MoneyGram 的验证者拥有 11 个活跃对等节点，低于设定的阈值 17 个。

演示者将较低的对等数归因于计划内维护。因此，这条警报捕捉到一次真实的阈值越界，但其运维层面的解释仍需要人工背景信息。

该原型还会记录未发出警报的周期。一个独立的状态页面会检查遥测馈送、本地模型和警报投递系统是否在运行，帮助运营方区分健康的网络与已停止上报的监控器。

据演示介绍，当前配置可在不需要 GPU 的 8 GB 虚拟机上运行，每月成本约为 50 美元。它仍处于试验阶段，以可观测性模式运行，且尚未以开源软件形式发布。

Midnight 计划将该工具与未来的基础设施和 Terraform 模块对接。在发布之前，该原型仍将是一个内部可观测性系统，能够暴露共识停滞，同时不允许 AI 控制警报或指挥运营方采取会影响 $NIGHT 网络的操作。