SLV v0.10.0 发布——从 CLI 到 AI Agent：用自然语言部署并运维 Solana 验证者与 RPC

ELSOUL LABO B.V.（总部：荷兰阿姆斯特丹，CEO：Fumitake Kawasaki）与 Validators DAO 发布了 SLV v0.10.0。通过此次发布，Solana 验证者和 RPC 的部署与运维现在可以完全通过自然语言对话完成，无需专业的命令行知识。

此前，Solana 验证者的初始设置需要熟练使用 CLI、手动编辑配置文件和记住操作流程——通常需要数小时到数天。通过 SLV v0.10.0，部署可以通过与 AI Agent 的简短对话完成。此次发布从结构上降低了 Solana 网络的参与门槛。

对于新启动 Solana 验证者的人 — 设置 Solana 验证者传统上是一项高度技术性的工作。执行哪些命令、以什么顺序、哪些配置值是合适的、使用哪个版本——任何一项误判都可能导致验证者无法稳定参与网络。通过 SLV v0.10.0，AI Agent 能够准确处理这些决策。只需描述您的需求，Agent 就会自动组装所需步骤，与您确认后执行。

对于现有验证者运营者 — Solana 目前正处于网络升级至 v3 过程中版本频繁变更和回滚的阶段。运营负担很大，每个周期都需要耗时的流程验证和执行。SLV v0.10.0 使升级、降级、重启和身份切换——日常运营任务——可以完全通过自然语言对话完成。

对于 Solana 生态系统整体 — Solana 网络的质量直接取决于每个验证者的运营质量。当参与门槛仍然很高时，运营者多样性受到限制，制约了网络整体的去中心化和弹性。在维持运营质量的同时降低参与门槛，对 Solana 生态系统的健康增长至关重要。

SLV 此前一直作为 CLI 工具提供。在 v0.10.0 中，CLI 基础完全保留，同时新增了一层，使 AI Agent 能够精确操作它。

你：在 203.0.113.10 上部署一个主网 Jito 验证者
Agent：我来设置一个主网 Jito 验证者。让我带您了解...

你：在 203.0.113.10 上部署一个主网 Jito 验证者
Agent：我来设置一个主网 Jito 验证者。让我带您了解...

运营者不再需要记忆命令或手动编辑配置文件。AI Agent 选择适当的流程，给出配置值，通过试运行验证，然后执行。

关键的是，这不是一个将 Solana 运营交给通用 AI 的系统。

仅用通用 AI 尝试自动化 Solana 验证者运营无法产生稳定的结果。验证者运营涉及许多难以完整写入文档的细节——特定版本的前提条件、网络配置差异，以及事故期间的回滚决策。当 AI 在缺乏这些知识的情况下运行时，模糊的流程会被执行，可能导致验证者性能下降和网络质量降低。

SLV v0.10.0 提供的 AI Agent Skills 将 SLV 在开发和运营中积累的实际运维知识系统化，使 AI Agent 能够准确检索和使用。它们涵盖了 CLI 命令与 Ansible playbooks 之间的完整映射、推荐版本、安全运营实践和常见陷阱。

由于验证者运维对可信度要求极高，AI Agent 所依据知识基础的准确性至关重要。SLV 提供了这一基础。

SLV v0.10.0 引入了三个 AI Agent Skills：

slv-validator — 用于部署和管理主网和测试网验证者的 Skill，支持 Jito、Agave 和 Firedancer 配置。

slv-rpc — 专门用于部署和管理 RPC 节点的 Skill，覆盖 Standard、Index 和 Geyser gRPC 配置。

slv-grpc-geyser — 用于部署和管理 gRPC Geyser 流的 Skill，支持 Yellowstone 和 Richat。

每个 Skill 包含具有全面运营知识的 SKILL.md、定义交互式部署流程的 AGENT.md、自动化前提安装脚本以及示例 inventory 文件。

Skills 由纯 Markdown 和 Ansible 组成，不绑定任何特定的 AI Agent。它们可与 OpenClaw、Claude Code、Codex、Cursor、Windsurf 以及任何其他 AI 编码 Agent 配合使用。您也可以直接运行 Ansible playbooks 而不使用 AI Agent。

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

v0.10.0 显著扩展了 Firedancer 支持。现在正式支持 firedancer-agave 和 firedancer-jito 验证者类型，并提供参数化配置模板（hugepages、端口、身份）、通过 firedancer.service 进行的服务管理，以及用于 Firedancer 部署的 hugetlbfs 清理。随着 Firedancer 作为 Solana 下一代验证者客户端受到关注，SLV 的完整支持使更多运营者能够更轻松地采用 Firedancer。

当 AI Agent 执行操作时，SLV 总是先建议试运行（--check 模式）。在执行前审查变更，由运营者批准后才会应用。

请注意，AI Agent 的行为取决于其接收到的提示和指令。虽然 SLV 的 Skills 为 AI Agent 提供了准确的运营基础，但执行决策及其结果的最终责任在于运营者。这与传统 CLI 运维没有区别——工具的形式改变了，但运营责任的归属不变。

ELSOUL LABO 自 2022 年起连续五年获得荷兰政府研发支持计划 WBSO（Wet Bevordering Speur- en Ontwikkelingswerk）的批准。2026 年获批的研究项目中包括“验证者自动选址与运营编排的研究与开发”——SLV v0.10.0 的 AI Agent Skills 代表了这一研究主题的直接实施。

ELSOUL LABO 的研发不与实际实施和运营分离。研究假设转化为具体实现，在运营约束下进行验证，发现的挑战反馈到下一轮研究周期。SLV v0.10.0 就诞生于这一循环之中。

SLV 将继续通过与 MCP（Model Context Protocol）的集成追求更高的精度和更先进的自动化。

AI Agent 驱动的验证者运营才刚刚起步。虽然当前版本已经使从部署到日常运营都可通过自然语言完成，但 MCP 集成将解锁更高级的自动化。例如，自动故障转移——一个复杂的、不容失败的多步骤过程——可以通过 MCP 由 AI Agent 以更高精度执行。基于监控的决策制定、跨多节点的集成编排，以及其他进一步提升运维可靠性的能力，也将在后续实现。

SLV 提供的是支持这一演进的可信基础。不是泛泛地引入 AI，而是以精确运营知识为后盾的 AI Agent 协作。SLV 将继续演进，成为从结构上支撑 Solana 运维质量、并让任何人都能在同等条件下参与的基础。