Turbos Finance DEX提供高效的智能路由

将金融行业去中心化,是DeFi中最突出的崇高目标。DeFi倡导者希望建立基于区块链技术的点对点金融,实现高效的交易,并让社会各阶层的人们有机会投资和储蓄。

Turbos Finance的联合创始人兼首席执行官Ted Shao表示:“我们设想一个金融准入规则,不是特权而是普权的世界,在这个世界里,传统金融体系的复杂性和门槛让位于开放和可访问的金融工具和平台。”

Ted和他的团队在Sui网络上运行着一个名为Turbos的DEX,提供各种集中的流动性池、高效的智能路由系统,甚至还有一种游戏化的收益赚取计划。鉴于DeFi专业知识存在不同层次,Turbos包括了一个简化的“入门级”界面和一个更丰富的“专业级”界面。

Turbos团队于2022年开始在Sui开发网上学习和开发,并于今年5月在主网上推出。Sui的无限水平可扩展性、几乎瞬时的最终性以及极低的gas费是帮助Turbos选择Sui的因素。在开发过程中,团队发现Sui的数据可组合性和可编程交易区块(PTB)提高了他们的开发速度,而Sui的资产所有权模型提供了他们所需的安全性。

交易和流动性池

Sui上有着非常活跃的DEX市场,Turbos通过一个专注于USDC稳定币的智能路由功能来区别于其他DEX。他们注意到,USDCeth,一种从ETH网络桥接过来的USDC的包装版本,成为了Sui上的主导稳定币,通常出现在交易对的分母资产中。USDCeth的普及程度限制了从其他网络桥接过来的稳定币的实用性。

Ted表示:“Turbos率先推出了一种智能路由机制,使用户能够直接将来自BNB、Polygon、Arbitrum和其他链的USDC兑换成Sui本地资产,而无需先兑换成USDCeth。”

通过这种机制,Turbos使在其他网络上持有稳定币的人更容易参与到Sui上的DeFi当中。Sui上的其他DEX紧随其后,现在也提供类似的智能路由功能,为Sui上的稳定币经济创造了增长。

除了token交换,Turbos还提供了许多流动性池。用户可以在交易对中贡献token,并在这些token上获得收益。Sui在交易上的快速最终性意味着用户不必等待他们的token出现在池中。同样,Sui的低gas费帮助Turbos保持其自身的低成本。

图中展示了在Turbos提供的众多流动性池中,这三个流动性池包括与Sui原生token、另一种稳定币以及Turbos自家token相关的USDC

对于那些认为DeFi太枯燥,一提到APR和收益就一脸茫然的人,Turbos通过其大奖赛功能将体验变得更有趣。在这里,用户可以通过与他们已经持有的其他token进行兑换,将其汽车“加油”至最少5,000 $TURBOS,这是该DEX的原生token。每周,Turbos都会进行一次“停车加油”,用户可以获得他们贡献金额的收益。贡献的token保留在用户的钱包中,可以用于其他用途。

Turbos的Grand Prix功能对其来说非常成功,六周运营后,已经记录了超过50,000个TURBOS token的持有者。

Turbos的Grand Prix功能使DeFi变得更有趣且更易理解。用户必须至少贡献5,000个$TURBOS,并在每周的加油站暂停时获得奖励

尽管市场上存在很少的信号表明哪些token将相对于其他token上涨,但Turbos提供了一个仪表板显示一些可用的数据。用户可以快速查看过去24小时内哪些token在交易和成交量方面增长最快,哪些token相对于其他token的价值增长最大,以及哪些钱包地址交易最多。

幕后故事

“除了Sui的快速交易处理时间和低gas费之外,Turbos还利用了特定的Sui技术,使这两者都对DeFi apps和用户有益。”Ted在赞扬Sui对数字资产所有权所做出的贡献时强调。

Ted还表示:“在Sui上,只有资产所有者才能授权对某个资产进行交易。这强调了资产安全在DEX环境中的关键作用。”

Turbos的开发团队发现Sui的可编程交易区块(PTBs)极大地简化了构建过程,每个PTB本质上是一组交易,创建一个可以为每个流动性池用户重复使用的模板增加了开发人员的开发速度。

尽管关于Sui上的对象可组合性在应用于NFT时引起了很大的关注,但Turbos团队利用了这一属性来处理其数据。在应用中用户体验到的每个流动性位置、奖励和利益都依赖于数据可组合性的基本结构。

迎接增长

Sui的DeFi增长为用户和构建者提供了广阔的前景。Turbos已经构建了一个将支持各种用户类型和活动的平台。团队目前正在考虑通过将Grand Prix功能提供为其他生态项目的服务来扩展该功能。

除了游戏化之外,Turbos始终致力于改进其用户功能。类似于它支持桥接token的方式,Turbos计划推出跨协议挖矿收益。通过此功能,用户可以利用其token在多个协议上获得收益。一份全面的,分步指南将使各种经验水平的用户都能够使用此功能,并奖励他们完成跨协议任务。


关于 Sui Network

Sui是基于第一原理重新设计和构建而成的L1公有链,旨在为创作者和开发者提供能够承载Web3中下一个十亿用户的开发平台。Sui上的应用基于Move智能合约语言,并具有水平可扩展性,让开发者能够快速且低成本支持广泛的应用开发。获取更多信息:https://linktr.ee/sui_apac

官网|Twitter|Discord|英文电报群|中文电报群

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/178394.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

微服务概览

单体架构 传统的软件应用为单体架构。尽管也是模块化逻辑,但是最终还是会打包并并部署为单体应用。最主要的原因是太复杂。并且应用扩展性低,可靠性也低。敏捷开发和部署变得无法完成。 治理办法:化繁为简,分而治之。 微服务起源…

【坑】idea终端下执行maven命令行报错:mvn clean install -Dspring.profiles.active=dev

直接看报错信息 解决方法 方法一 命令改为:mvn clean install -Dspring.profiles.activedev方法二 使用 cmd 进入命令行执行:mvn clean install -Dspring.profiles.activedev在新版本中的idea终端已经默认使用了类似windons10下的PowerShell窗口的风格…

用这个平台制作电子杂志,,还能实时分享,太方便啦!

在我们看电子杂志的时候,总会觉得图文效果有点枯燥,如果能做出翻页书效果的电子杂志,还给人一种身临其境的真实翻书感就好了。 其实制作这种翻页电子杂志很简单,不需要下载安装任何软件,只需登录FLBOOK这个平台 &…

如何挑选猫主食罐头?宠物店自用的5款猫主食罐头推荐!

临近双十二大促,是时候给家里的猫主子屯猫主食罐头了。许多铲屎官看大促的各种品牌宣传,看到眼花缭乱,不知道选哪些猫主食罐头好,胡乱选又怕踩坑。 猫罐头侠闪亮登场!如何挑选猫主食罐头?作为经营宠物店7年…

Python+selenium自动化测试

批量执行完用例后,生成的测试报告是文本形式的,不够直观,为了更好的展示测试报告,最好是生成HTML格式的。 unittest里面是不能生成html格式报告的,需要导入一个第三方的模块:HTMLTestRunner 一、导入HTML…

FSOD论文阅读 - 基于卷积和注意力机制的小样本目标检测

来源:知网 标题:基于卷积和注意力机制的小样本目标检测 作者:郭永红,牛海涛,史超,郭铖 郭永红,牛海涛,史超,郭铖.基于卷积和注意力机制的小样本目标检测 [J/OL].兵工学报. https://…

【unity插件】Shader实现UGUI的特效——UIEffect为 Unity UI 提供视觉效果组件

文章目录 前言地址描述Demo 演示Installation 安装如何玩演示用法使用示例完结 前言 一般的shader无法直接使用在UI上,需要在shader中定义特定的面板参数,今天就来推荐github上大佬做的一套开源的一系列UGUI,Shader实现的特效——UIEffect 为…

汽车制动系统技术分析概要

目录 1.基本功能概述 2. 基本工作原理分析 2.1 Two-Box系统架构(Bosch_IBooster) 2.2 One-Box系统架构(Bosch_IPB) 2.3 ​​​​​​​ABS技术 2.4 TCS技术 2.5 VDC技术 2.6 EPB技术 2.7 小结 3. 该场景应用发展趋势分析 1.基本功能概述 传统汽车的底盘主要由传动系、…

RedisTemplate乱码问题

其实这是在解决一个项目问题是发现的,因为原开发者的大意,造成了系统出现严重的逻辑问题。 因为系统系统采用分模块开发,某模块使用Spring提供的RedisTemplate进行值的读写,另一位使用了框架基于Jedis的一套公用方法进行值的读写…

Knowledge Graph Reasoning with Relational Digraph

摘要: 知识图推理的目的是从已有的事实中推断出新的事实。基于关系路径的推理方法具有较强的可解释性和可转移性。然而,路径在捕获图中的局部证据方面自然受到限制。在本文中,我们引入了一种新的关系结构,即关系有向图(r-digraph)&#xff0…

人工智能基础_机器学习036_多项式回归升维实战3_使用线性回归模型_对天猫双十一销量数据进行预测_拟合---人工智能工作笔记0076

首先我们拿到双十一从2009年到2018年的数据 可以看到上面是代码,我们自己去写一下 首先导包,和准备数据 from sklearn.linear_model import SGDRegressor import numpy as np import matplotlib.pyplot as plt X=np.arange(2009.2020)#左闭右开,2009到2019 获取从2009到202…

分布式下多节点WebSocket消息收发

1、使用场景 2、疑问 第一次发送请求后,通过N1,W2,到达service2,建立websocket连接。 1、接下来发送的消息,通过Ngixn后和网关gateway后还能落在service2上面吗? 如果不能落在service2上,需要怎…