SLV v0.10.0 AI Agent Solana 驗證者與 RPC 部署

ELSOUL LABO B.V.（總部：荷蘭阿姆斯特丹，CEO：Fumitake Kawasaki）與 Validators DAO 釋出了 SLV v0.10.0。透過此次釋出，Solana 驗證者和 RPC 的設定與運營現在可以完全透過自然語言對話完成，無需專業的命令列知識。

此前，Solana 驗證者的初始設定需要 CLI 熟練度、手動配置檔案編輯和流程記憶——通常需要數小時到數天。透過 SLV v0.10.0，部署可以透過與 AI Agent 的簡短對話完成。此次釋出從結構上降低了 Solana 網路的參與門檻。

對於新啟動 Solana 驗證者的人 — 設定 Solana 驗證者傳統上是一項高度技術性的工作。執行哪些命令、以什麼順序、哪些配置值是合適的、使用哪個版本——任何一項的誤判都可能妨礙網路的穩定參與。透過 SLV v0.10.0，AI Agent 能夠準確處理這些決策。只需描述您的需求，Agent 就會自動組裝所需步驟，與您確認後執行。

對於現有驗證者運營者 — Solana 目前正處於網路升級至 v3 過程中版本頻繁變更和回滾的階段。運營負擔很大，每個週期都需要耗時的流程驗證和執行。SLV v0.10.0 使升級、降級、重啟和身份切換——日常運營任務——可以完全透過自然語言對話完成。

對於 Solana 生態系統整體 — Solana 網路的質量直接取決於每個驗證者的運營質量。當參與門檻仍然很高時，運營者多樣性受到限制，制約了網路整體的去中心化和彈性。在維持運營質量的同時降低參與門檻，對 Solana 生態系統的健康增長至關重要。

SLV 此前一直作為 CLI 工具提供。在 v0.10.0 中，CLI 基礎完全保留，同時新增了一個層使 AI Agent 能夠精確操作它。

你：在 203.0.113.10 上部署一個主網 Jito 驗證者
Agent：我來設定一個主網 Jito 驗證者。讓我帶您瞭解...

你：在 203.0.113.10 上部署一個主網 Jito 驗證者
Agent：我來設定一個主網 Jito 驗證者。讓我帶您瞭解...

運營者不再需要記憶命令或手動編輯配置檔案。AI Agent 選擇適當的流程，提出配置值，透過試執行驗證，然後執行。

關鍵的是，這不是一個將 Solana 運營交給通用 AI 的系統。

僅用通用 AI 嘗試自動化 Solana 驗證者運營無法產生穩定的結果。驗證者運營涉及許多難以文件化的細微差別——特定版本的前提條件、網路配置差異，以及事故期間的回滾決策。當 AI 在缺乏這些知識的情況下執行時，模糊的流程會被執行，可能導致驗證者效能下降和網路質量降低。

SLV v0.10.0 提供的 AI Agent Skills 將透過 SLV 的開發和運營積累的實際運營知識系統化為 AI Agent 可以準確參考的形式。它們涵蓋了 CLI 命令與 Ansible playbooks 之間的完整對映、推薦版本、安全運營實踐和常見陷阱。

由於驗證者運營要求信任，AI Agent 參考的基礎精確性至關重要。SLV 提供了這一基礎。

SLV v0.10.0 引入了三個 AI Agent Skills：

slv-validator — 用於部署和管理主網和測試網驗證者的 Skill，支援 Jito、Agave 和 Firedancer 配置。

slv-rpc — 專門用於部署和管理 RPC 節點的 Skill，覆蓋 Standard、Index 和 Geyser gRPC 配置。

slv-grpc-geyser — 用於部署和管理 gRPC Geyser 流的 Skill，支援 Yellowstone 和 Richat。

每個 Skill 包含具有全面運營知識的 SKILL.md、定義互動式部署流程的 AGENT.md、自動化前提安裝指令碼以及示例 inventory 檔案。

Skills 由純 Markdown 和 Ansible 組成，不鎖定任何特定的 AI Agent。它們可與 OpenClaw、Claude Code、Codex、Cursor、Windsurf 以及任何其他 AI 編碼 Agent 配合使用。您也可以直接執行 Ansible playbooks 而不使用 AI Agent。

ClawHub Skills：https://clawhub.ai/skills?sort=downloads&q=slv

v0.10.0 顯著擴充套件了 Firedancer 支援。現在正式支援 firedancer-agave 和 firedancer-jito 驗證者型別，具有引數化配置模板（hugepages、埠、身份）、透過 firedancer.service 的服務管理，以及 Firedancer 部署的 hugetlbfs 清理。隨著 Firedancer 作為 Solana 下一代驗證者客戶端受到關注，SLV 的完整支援使更多運營者能夠更輕鬆地採用 Firedancer。

當 AI Agent 執行操作時，SLV 總是先提出試執行（--check 模式）。在執行前審查變更，由運營者批准後才會應用。

請注意，AI Agent 的行為取決於其接收到的提示和指令。雖然 SLV 的 Skills 為 AI Agent 提供了準確的運營基礎，但執行決策及其結果的最終責任在於運營者。這與傳統 CLI 操作沒有區別——工具的形式改變了，但運營責任的歸屬不變。

ELSOUL LABO 自2022年起連續五年獲得荷蘭政府研發支援計劃 WBSO（Wet Bevordering Speur- en Ontwikkelingswerk）的批准。2026年獲批的研究專案中包括"驗證者部署自動化與運營編排的研究與開發"——SLV v0.10.0 的 AI Agent Skills 代表了這一研究主題的直接實施。

ELSOUL LABO 的研發不與實際實施和運營分離。研究假設以實施的形式成型，在運營約束下進行驗證，發現的挑戰回饋到下一輪研究週期。SLV v0.10.0 就誕生於這一迴圈之中。

SLV 將繼續透過與 MCP（Model Context Protocol）的整合追求更高的精度和更先進的自動化。

AI Agent 驅動的驗證者運營才剛剛起步。雖然當前版本已經使從部署到日常運營都可透過自然語言完成，但 MCP 整合將解鎖更高階的自動化。例如，自動故障轉移——一個複雜的、不容失敗的多步驟過程——可以透過 MCP 由 AI Agent 以更高精度執行。基於監控的決策制定、跨多節點的整合編排，以及進一步提升運營可靠性的其他能力都在前方。

SLV 提供的是支援這一演進的可信基礎。不是模糊的 AI 採用，而是以精確運營知識為後盾的 AI Agent 協作。SLV 將繼續發展，作為從結構上支援 Solana 運營質量並創造人人可以在同等條件下參與的環境的基礎。