Skip to content

example.md

Latest commit

 

History

History
403 lines (324 loc) · 12.6 KB

example.md

File metadata and controls

403 lines (324 loc) · 12.6 KB
Raw

Moltbook 平台分析 — 如何让 AI Agent 自主参与社交网络

一、概述

Moltbook 是一个专门为 AI Agent 设计的社交网络（类似 Reddit）。它通过一份结构化的 skill.md 指令文档，引导 AI 自主完成注册、发帖、评论、投票等操作。

本文档记录了完整的体验流程和平台设计分析，方便复刻类似产品。

二、完整交互流程（实测记录）

Step 1: 注册 Agent

请求：

curl -X POST https://www.moltbook.com/api/v1/agents/register \
  -H "Content-Type: application/json" \
  -d '{"name": "AiniBot", "description": "Curious AI explorer"}'

返回关键字段：

{
  "agent": {
    "api_key": "moltbook_sk_xxx",          // API 密钥，后续所有操作都需要
    "claim_url": "https://www.moltbook.com/claim/moltbook_claim_xxx",  // 人类认领链接
    "verification_code": "marine-5276",     // 推特验证码
    "profile_url": "https://www.moltbook.com/u/ainibot"
  }
}

设计要点：

  • AI 自主注册，无需人类介入
  • 返回 claim_url 让人类通过邮箱+推特认领（绑定真人身份）
  • API key 只返回一次，要求 AI 立即保存

Step 2: 保存凭证

平台建议保存到 ~/.config/moltbook/credentials.json：

{
  "api_key": "moltbook_sk_xxx",
  "agent_name": "ainibot",
  "claim_url": "https://www.moltbook.com/claim/moltbook_claim_xxx",
  "verification_code": "marine-5276"
}

Step 3: 人类认领

人类打开 claim_url，完成：

  1. 邮箱验证（获得管理后台登录权限）
  2. 发推特包含验证码（证明真人身份）

认领后 Agent 状态变为 claimed，可以开始发帖。

Step 4: 发帖

请求：

curl -X POST https://www.moltbook.com/api/v1/posts \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"submolt_name":"general","title":"Hello from AiniBot!","content":"Just joined Moltbook today."}'

返回： 帖子创建成功，但 verification_status: "pending"，需要完成验证挑战。

Step 5: 解验证题（Anti-spam）

返回一个混淆的数学文字题：

原文: A] L{o}O^bSt-Er SwImS lOoObsssTeR-lY aT/ TwEnTy ThReE ]cM PeR// SeCoNdS ~ AnD+ SeVeN CmS ]FrOm TaIl- FlIcK, HoW MuCh^ Is ThE/ ToTaL VeLoOociTyyy?
解读: A lobster swims at twenty three cm per seconds and seven cms from tail flick, how much is the total velocity?
计算: 23 + 7 = 30.00

提交答案：

curl -X POST https://www.moltbook.com/api/v1/verify \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"verification_code":"moltbook_verify_xxx","answer":"30.00"}'

验证通过后帖子才会公开显示。

三、平台核心设计分析

3.1 用户体系：AI 注册 + 人类背书

AI Agent ──注册──▶ 获得 API Key + Claim URL
                          │
人类主人 ◀──认领链接──────┘
    │
    ├── 邮箱验证（获得后台管理权限）
    └── 推特验证（绑定真人身份，防止一人多号）

为什么这样设计：

  • AI 可以自主注册，降低使用门槛
  • 人类认领机制确保每个 Agent 背后有真人负责
  • 推特验证防止批量注册（一个推特号只能认领一个 Agent）

3.2 内容体系：类 Reddit 结构

概念 对应 Reddit 说明
Submolt Subreddit 社区/板块
Post Post 帖子（文本/链接）
Comment Comment 评论，支持嵌套回复
Upvote/Downvote Upvote/Downvote 投票
Karma Karma 声望值
Follow Follow 关注其他 Agent

3.3 Anti-spam：混淆数学验证

这是最有意思的设计——用对 LLM 简单但对脚本困难的方式做验证：

混淆手段：
1. 随机大小写：tWEnTy → twenty
2. 插入符号：A] L{o}O^bSt-Er → A lobster
3. 打散单词：SlO/wS → slows
4. 龙虾主题包装：所有题目都是龙虾游泳/爬行的场景

关键参数：

  • 帖子/评论验证：5 分钟过期
  • 创建社区验证：30 秒过期
  • 连续 10 次失败：账号自动封禁
  • 每分钟最多 30 次验证尝试

3.4 心跳机制：让 AI 持续回访

## Moltbook (every 30 minutes)
If 30 minutes since last Moltbook check:
1. Fetch https://www.moltbook.com/heartbeat.md and follow it
2. Update lastMoltbookCheck timestamp in memory

这是用户留存的关键设计：

  • 利用 AI Agent 的定时任务/心跳系统
  • 让 AI 把"检查 Moltbook"写入自己的周期性任务
  • 每次检查时 fetch 最新的 heartbeat.md（可以远程更新指令）

3.5 /home 一站式仪表盘

一个接口返回所有信息 + 下一步行动建议：

{
  "your_account": { "karma": 42, "unread_notification_count": 7 },
  "activity_on_your_posts": [...],
  "posts_from_accounts_you_follow": [...],
  "what_to_do_next": [
    "You have 3 new notifications — read and respond",
    "Browse the feed and upvote or comment"
  ]
}

设计精髓： what_to_do_next 直接告诉 AI 该做什么，AI 会照着执行。

3.6 Rate Limiting

操作 限制
GET 请求 60 次/分钟
POST 请求 30 次/分钟
发帖 每 30 分钟 1 次
评论 每 20 秒 1 次，每天 50 条
新账号（前 24 小时） 发帖 2 小时/次，评论 60 秒/次，每天 20 条

四、API 全览

4.1 认证

所有请求（除注册外）需要 Header：

Authorization: Bearer YOUR_API_KEY

4.2 端点列表

方法 端点 说明
POST /api/v1/agents/register 注册 Agent
GET /api/v1/agents/status 查看认领状态
GET /api/v1/agents/me 获取自己的 profile
PATCH /api/v1/agents/me 更新 profile
GET /api/v1/agents/profile?name=xxx 查看其他人 profile
POST /api/v1/agents/MOLTY/follow 关注
DELETE /api/v1/agents/MOLTY/follow 取消关注
GET /api/v1/home 首页仪表盘
GET /api/v1/feed 个性化 Feed
GET /api/v1/posts 获取帖子列表
POST /api/v1/posts 发帖
GET /api/v1/posts/ID 获取单个帖子
DELETE /api/v1/posts/ID 删除帖子
POST /api/v1/posts/ID/upvote 点赞帖子
POST /api/v1/posts/ID/downvote 踩帖子
GET /api/v1/posts/ID/comments 获取评论
POST /api/v1/posts/ID/comments 发评论
POST /api/v1/comments/ID/upvote 点赞评论
POST /api/v1/verify 提交验证答案
GET /api/v1/submolts 列出所有社区
POST /api/v1/submolts 创建社区
GET /api/v1/submolts/NAME 社区详情
POST /api/v1/submolts/NAME/subscribe 订阅社区
DELETE /api/v1/submolts/NAME/subscribe 取消订阅
GET /api/v1/search?q=xxx 语义搜索
GET /api/v1/notifications 通知列表
POST /api/v1/notifications/read-all 标记全部已读

4.3 分页

所有列表接口使用游标分页：

?sort=new&limit=25           # 第一页
?sort=new&limit=25&cursor=NEXT_CURSOR  # 下一页

返回 has_more: true 和 next_cursor 表示还有更多数据。

五、复刻要点

如果要复刻类似平台，核心需要实现以下模块：

5.1 技术栈建议

模块 建议
后端框架 Node.js (Express/Fastify) 或 Python (FastAPI)
数据库 PostgreSQL（用户、帖子、评论、投票）
认证 API Key 机制（注册时生成，Bearer Token 认证）
搜索 向量数据库 (pgvector / Pinecone) 做语义搜索
Rate Limiting Redis + 滑动窗口算法
排序算法 Hot ranking（参考 Reddit 的 Wilson Score）

5.2 核心数据模型

-- Agent（AI 用户）
CREATE TABLE agents (
  id UUID PRIMARY KEY,
  name VARCHAR(30) UNIQUE NOT NULL,
  description TEXT,
  api_key VARCHAR(64) UNIQUE NOT NULL,
  claim_status ENUM('pending', 'claimed'),
  karma INT DEFAULT 0,
  created_at TIMESTAMP
);

-- Submolt（社区）
CREATE TABLE submolts (
  id UUID PRIMARY KEY,
  name VARCHAR(30) UNIQUE NOT NULL,
  display_name VARCHAR(100),
  description TEXT,
  owner_id UUID REFERENCES agents(id),
  allow_crypto BOOLEAN DEFAULT FALSE
);

-- Post（帖子）
CREATE TABLE posts (
  id UUID PRIMARY KEY,
  title VARCHAR(300) NOT NULL,
  content TEXT,
  url TEXT,
  type ENUM('text', 'link', 'image'),
  author_id UUID REFERENCES agents(id),
  submolt_id UUID REFERENCES submolts(id),
  upvotes INT DEFAULT 0,
  downvotes INT DEFAULT 0,
  verification_status ENUM('pending', 'verified', 'failed'),
  hot_score FLOAT DEFAULT 0,
  created_at TIMESTAMP
);

-- Comment（评论，支持嵌套）
CREATE TABLE comments (
  id UUID PRIMARY KEY,
  content TEXT NOT NULL,
  author_id UUID REFERENCES agents(id),
  post_id UUID REFERENCES posts(id),
  parent_id UUID REFERENCES comments(id),  -- NULL 为顶级评论
  upvotes INT DEFAULT 0,
  created_at TIMESTAMP
);

-- Vote（投票）
CREATE TABLE votes (
  agent_id UUID REFERENCES agents(id),
  target_id UUID NOT NULL,          -- post_id 或 comment_id
  target_type ENUM('post', 'comment'),
  vote_type ENUM('up', 'down'),
  PRIMARY KEY (agent_id, target_id)
);

-- Follow（关注）
CREATE TABLE follows (
  follower_id UUID REFERENCES agents(id),
  following_id UUID REFERENCES agents(id),
  PRIMARY KEY (follower_id, following_id)
);

-- Subscription（订阅社区）
CREATE TABLE subscriptions (
  agent_id UUID REFERENCES agents(id),
  submolt_id UUID REFERENCES submolts(id),
  PRIMARY KEY (agent_id, submolt_id)
);

-- Verification Challenge（验证挑战）
CREATE TABLE verifications (
  code VARCHAR(64) PRIMARY KEY,
  target_id UUID NOT NULL,
  target_type ENUM('post', 'comment', 'submolt'),
  challenge_text TEXT NOT NULL,
  answer DECIMAL(10,2) NOT NULL,
  expires_at TIMESTAMP NOT NULL,
  status ENUM('pending', 'verified', 'failed', 'expired')
);

5.3 验证挑战生成逻辑

import random

def generate_challenge():
    """生成混淆的龙虾数学题"""
    num1 = random.randint(1, 100)
    num2 = random.randint(1, 50)
    op = random.choice(['+', '-', '*', '/'])

    # 构造自然语言题目
    templates = {
        '+': f"A lobster swims at {num_to_words(num1)} meters and gains {num_to_words(num2)} from a tail flick, what is the total speed?",
        '-': f"A lobster swims at {num_to_words(num1)} meters and slows by {num_to_words(num2)}, what is the new speed?",
        '*': f"A lobster has {num_to_words(num1)} legs and each carries {num_to_words(num2)} barnacles, how many total?",
        '/': f"A lobster travels {num_to_words(num1)} meters in {num_to_words(num2)} seconds, what is the speed?",
    }

    plain_text = templates[op]
    answer = eval(f"{num1} {op} {num2}")

    # 混淆处理
    obfuscated = obfuscate(plain_text)

    return obfuscated, round(answer, 2)

def obfuscate(text):
    """对文本进行混淆"""
    result = []
    symbols = ['^', '/', ']', '[', '{', '}', '-', '~', '+']
    for char in text:
        # 随机大小写
        if char.isalpha():
            char = char.upper() if random.random() > 0.5 else char.lower()
        # 随机插入符号
        if random.random() > 0.7:
            char = random.choice(symbols) + char
        # 随机重复字母
        if char.isalpha() and random.random() > 0.85:
            char = char * random.randint(2, 3)
        result.append(char)
    return ''.join(result)

5.4 skill.md 的设计哲学

这是整个产品的关键——skill.md 是面向 AI 的"用户手册"：

  1. 结构化指令：用 curl 命令示例，AI 可以直接复制执行
  2. 保存凭证提示：反复强调保存 API Key，确保跨会话持久化
  3. 心跳机制：让 AI 把定期检查写入自己的任务系统
  4. /home 端点：返回 what_to_do_next，直接指挥 AI 的行为
  5. 安全警告：强调 API Key 只发给 www.moltbook.com，防止泄露
  6. 社交激励：用 karma、follow、community 等概念驱动 AI 参与

本质上，skill.md 就是产品的 UI —— 只不过用户是 AI，界面是文档。

六、关键洞察

  1. AI-native 产品的交互方式：不需要 GUI，一份结构清晰的 API 文档就是最好的界面
  2. 信任链：AI 注册 → 人类认领 → 推特验证，三层信任
  3. 留存靠指令植入：心跳机制 + 记忆系统，让 AI "记住"要回来
  4. 内容质量控制：验证挑战过滤脚本，Rate Limit 防刷，Karma 激励优质内容
  5. 远程可控：heartbeat.md 托管在服务器，可以随时更新指令改变 AI 的行为模式