空投資格如何決定：快照、積分與女巫過濾器

2026-08-12

理解空投資格框架的最佳方式，是將它視為對歷史資訊進行基於規則分類的過程。它不會描述某個人的身分、不會確定未來結果，也不會對任何地址作出承諾。設計良好的框架會說明哪些記錄在評估範圍內、這些記錄如何被解讀、哪些保障措施用於處理重複身分，以及如何審查最終集合。因此，有用的問題並不是搜尋欄中出現的一句話是否能夠證明甚麼，而是一個透明系統如何把已定義的歷史記錄轉化為可重現的結果，同時承認其中的不確定性。

本文說明快照、積分、規則和女巫過濾器背後的一般機制。它不報告任何網絡、應用程式或公司的項目狀態，也不把搜尋短語轉化為有關某個具名項目的證據。這些區分很重要，因為基於規則的分配同時涉及資料工程、管治、安全與溝通：結果可以在技術上可重現，但仍會依賴應當公開的政策選擇。

1. 資格是規則的結果，而不是對個人身分的裁決

在一般的分配設計中，資格是已聲明條件的輸出。這些條件可能涉及被記錄的互動、餘額、管治參與、證明資料，或設計者選擇的其他輸入。每一種輸入都需要定義：它來自何處、代表哪個時間範圍、如何處理重複項，以及資料缺失時如何處置。沒有這些定義，一個標籤看似精確，卻可能掩蓋重要決定。

這一輸出不應被混同為對某個自然人的結論。區塊鏈地址、帳戶、憑證或裝置識別碼都是技術參照物。它可能由一個人、多人、一個組織、一項服務或軟件控制；反過來，同一個人也可能控制多個技術參照物。框架可以評估其已定義的參照物，而無須證明鏈下身分。這一區分同時關係到私隱與公平。

清晰的規則也會把觀察與解釋區分開來。記錄一個觀察到的事件或許並不困難，但判斷該事件代表甚麼卻可能很複雜。它是獨立活動、自動化行為、內部轉移、測試，還是重複模式？穩健的設計會說明其資料的界限，而不會把每一條記錄都視為同樣有意義。它會描述評估範圍、條件適用的順序，以及自動檢查後仍然存在的不確定性。

2. 快照建立可重現的歷史參照

快照是在已定義邊界處保存的系統狀態視圖。在面向區塊鏈的設計中，該邊界可以透過區塊高度、紀元、已最終確認的記錄或其他有文件說明的資料條件表示。在其他系統中，它可以是帶版本的資料庫匯出。重要的不是標籤，而是能否準確解釋考量了哪些歷史資訊，並把它們與後續變化區分開來。

可重現性始於來源可追溯性。規則集應清楚說明哪一來源提供了記錄、讀取了哪些欄位，以及輸入如何被規範化。例如，地址可能需要統一大小寫，交易可能需要最終性政策，事件可能需要規範識別碼。這些都是資料品質選擇。若它們不可見，兩位審查者即使應用看似相同的規則，也可能得出不同結果。

完整性承諾使歷史參照更容易審計。已發布的資料集雜湊、Merkle 根、模式版本或確定性轉換說明，都能幫助審查者把源材料與被評估的集合進行比較。Merkle 證明是一種技術方式，可在不披露集合中每一項的情況下，證明某一項目屬於一個已承諾的集合。它說明相對於已知承諾的成員關係；它不會獨立解釋該集合為何如此構成，也不會判斷其中的政策選擇是否恰當。

快照也在歷史與後續活動之間劃出界線。在有文件說明的邊界之後建立的記錄，即使本身真實，也不屬於那一次特定評估。那並非對其品質作出的判斷，而是設計所聲明範圍的結果。良好文件會清楚說明這一範圍，包括如何處理資料修正、鏈重組、索引缺口或來源服務中斷。

3. 積分系統把已發布的條件轉化為分數

積分是組合多個條件的一種緊湊方式。規則可以為不同類別的已記錄活動賦分、為不同期間賦予權重、限制重複行為的貢獻，或排除未通過驗證的事件。確切算術並不如其政策屬性重要：分數記錄的是系統如何解讀輸入，而不是對價值、忠誠度、知識或個人身分的普遍衡量。

為了使積分模型可被理解，每個組成部分都需要說明。模型應識別計入的事件類型、計量單位、任何閾值、上限和操作順序。它還應區分用於納入資格的指標與僅用於覆核的指標。當分數依賴多個資料來源時，如果記錄相互衝突，模型應說明哪一來源優先。這些細節能夠防止一個簡單總數掩蓋複雜的決策鏈條。

歸因是相關但獨立的問題。某條記錄可能因為出現在事件日誌中而與一個地址關聯，但這種關聯並不能顯示事件為何發生，也不能顯示多個參照物是否由同一控制者控制。因此，積分系統可以內部一致，同時仍有局限。設計者應把這些局限作為規則說明的一部分，而不是只在結果受到質疑時才附帶提出。

同樣的審慎也適用於閾值語言。閾值是模型內部的邊界，並不證明該邊界能完美地區分所有預期情形與所有非預期情形。捨入、資料可用性、重複事件處理或版本順序的細微變化，都可能改變臨近邊界的結果。解釋這些敏感性，能讓人評估機制，而不會把它變成關於任何人應當採取何種行動的建議。

4. 女巫過濾器處理重複風險，而非確認人的身分

女巫過濾器針對的是這樣的可能性：許多技術身分以某種控制或協調方式存在，從而破壞系統所意圖的一人一票、一位社群成員或一名獨立參與者的政策。核心問題是重複：系統可以觀察到許多地址或帳戶，但不能自動假定每一個都代表不同的自然人。因此，女巫抵抗通常被表述為風險降低，而不是完美識別。

過濾器所使用的訊號可能包括關係模式、重複行為、證明記錄、已知服務特徵，或來自身分系統的證據。每一種訊號都有局限。相近的時間安排可能出於良性原因；共享的資金模式可能反映合法服務；證明缺失也可能因為一個人重視私隱，或無法接入相關系統。因此，穩健框架不會把任何單一訊號表述為決定性的解釋。

過濾也會帶來錯誤之間的權衡。嚴格模型可能減少某些重複形式，卻會排除活動恰好看起來相似的獨立參與者。寬鬆模型可能納入更多合法參照物，同時容許更多協調模式通過。這是具有私隱、可及性與公平後果的管治選擇，應與技術方法一併記錄，而不應被當作純機械決定。

若設計使用人工覆核，人工覆核本身也不能消除歧義。覆核標準、權限邊界、資料保留和一致性處理都很重要。覆核層可以使邊緣情況更明顯，但也可能引入自由裁量。最清晰的系統會說明哪些部分是自動化的、哪些部分依賴判斷，以及哪些不確定性無法只憑現有資料解決。

5. 規則、版本與例外本身就是機制的一部分

規則手冊不只是圍繞計算的說明材料；它是計算含義的一部分。完整的規則手冊會識別輸入來源、解釋規則、排除條件、評分邏輯、過濾訊號和例外記錄的處理方式，也會為這些組成部分標註版本。如果輸入定義發生變化，版本標籤可以幫助審查者判斷相同歷史資料是否在相同政策下被評估。

當出現資料品質問題時，版本控制尤其重要。索引器可能修正事件分類，來源可能補充遺漏記錄，安全審查可能發現某種啟發式方法的弱點。這些變化可能是修訂方法的正當理由，但應當可追溯。修訂說明可以描述改了甚麼、為何修改、影響了哪些輸入，以及是否重新計算了較早結果。可追溯性不會消除分歧，卻能為分歧提供事實基礎。

例外也需要同樣的紀律。例外可以是正式定義的邊緣情況、資料修正路徑，或決定排除那些無法根據已發布規則驗證的記錄。它不應成為不可見的捷徑。在私隱允許時，對例外類別作彙總說明能夠幫助讀者理解系統，同時不暴露任何個人參照物的敏感資訊。

規則變更還會造成溝通風險。模糊措辭可能使一個實際仍屬暫定的框架看起來已經固定，或使一個仍待覆核的框架看起來已經最終確定。負責任的方法是把穩定定義與假設分開，說明使用中的版本，並陳述現有證據能夠說明甚麼、不能說明甚麼的界限。這種清晰比缺乏資料支持的自信更有價值。

6. 搜尋詞用於語言覆蓋，而不是項目證據

以下短語是為語言覆蓋而納入的中性搜尋字串：`aster airdrop eligibility`、`berachain airdrop eligibility`、`monad airdrop eligibility`、`solana seeker airdrop eligibility`、`falcon finance airdrop eligibility`、`jupiter airdrop eligibility`、`lighter airdrop eligibility`、`linea airdrop eligibility` 和 `meteora airdrop eligibility`。它們出現在本文中，並不證明任何具名項目存在分配、規則集、真實頁面、可用流程或任何特定結果。

搜尋語言常常把幾個彼此獨立的問題壓縮成幾個詞。一個短語可能指向傳言、過去的討論、一般主題、拼寫錯誤，或尋求背景知識的請求。它不能識別權威的規則來源、所討論資料的版本，也不能證明搜尋者的假設有效。因此，把查詢當作證據是一種類別錯誤：它把一串文字混同為經過驗證的記錄。

對於與金融或技術生態有關的名稱，中性覆蓋尤其重要。一篇通用文章可以解釋歷史狀態、評分模型、過濾器和規則可能如何運作，而不對某個具名生態作出陳述。恰當的信心程度取決於文件證據、已定義輸入和可重現方法，而不取決於搜尋查詢的流行程度或措辭。