Uchanganuzi bila Seva wenye Usalama wa wakati halisi & Maarifa ya AI

---

Full Score ni maktaba nyepesi (3KB gzip), inayotoa uchambuzi wa matukio wa serverless na ufuatiliaji wa usalama wa wakati halisi na maarifa ya AI. Kulingana na Semantic Raw Format (SRF), inatekeleza usanifu bora unaomwezesha AI kuchambua safari za watumiaji moja kwa moja bila parsing ya kisemantiki.

Tovuti hii inaonyesha utendaji wa moja kwa moja wa Full Score. Safari inayoonekana chini ina muundo sawa na data ya mwingiliano ambayo Edge inachambua kweli. Inatiririka kwa kawaida, kama muziki unaopata resonance.

Haya ndiyo mambo yaliyoandaliwa hapa. Bofya kuchunguza kila sehemu.

1. 🧭 Uchambuzi wa Serverless: Bila API Endpoints na uwezekano wa kupunguza gharama 90%
2. 🔍 Safari kamili ya mtumiaji kati ya tabo: Bila Session Replay
3. 🧩 Usalama dhidi ya boti na ubinafsishaji kwa wanadamu: Kupitia safu ya matukio ya wakati halisi
4. 🧠 BEAT inatiririka kuwa maarifa ya AI: Kama mistari ya mstari, bila parsing ya kisemantiki
5. 🛡️ Usanifu unaozingatia GDPR: Bila vitambulisho vya moja kwa moja

Yote haya yanafikiwa kwa kubadilisha vivinjari kuwa hifadhidata za msaada zilizogatuliwa.

Demo hii inazingatia utendaji wa moja kwa moja, ikitoa muhtasari wa haraka na wa angavu. Ikiwa hii inakugusa, tafadhali rejea 🔗 README ya GitHub na maoni ya msimbo kwa maelezo kamili ya kiufundi.

---

1. Uchambuzi wa Serverless: Bila API Endpoints na uwezekano wa kupunguza gharama 90%

Majukwaa ya uchambuzi wa jadi yaliyojengwa kwa uchambuzi wa trafiki ya wavuti, session replay, na ufuatiliaji wa makundi yanafanya vizuri katika kazi zao. Hata hivyo, kupata maarifa ya watumiaji kawaida kunahitaji miundombinu nzito na ngumu.

Yanategemea payloads kubwa za matukio na snapshots za DOM, zote zinazohamishwa kwa seva za kati kwa uhifadhi na hesabu. Hii inasababisha payloads za scripts za kilobytes kumi, mamilioni ya maombi ya mtandao, na gharama za miundombinu za kila mwezi katika maelfu.

Full Score haijaribu kutatua ugumu huu. Inauondoa kabisa, ikipendekeza mbinu mpya.

• Uchambuzi wa Jadi
  Kivinjari → API → Raw Database → Queue (Kafka) → Transform (Spark) → Refined Database → Hifadhi
  ⛔ Hatua 7, $500 – $5,000/mwezi (inategemea payload)
  

  ---

• Full Score
  Kivinjari ~ Edge → Hifadhi
  ✅ Hatua 2, $50 – $500/mwezi

  // Hakuna API endpoints zinazohitajika
  // Hakuna ETL pipeline inayohitajika
  // Hakuna ufikiaji wa Origin unaohitajika
  

Inaanza na ufahamu rahisi. Kupata maarifa kuhusu safari kamili ya kuvinjari ya mtumiaji sio lazima kuhitaji kuhamisha data mahali pengine.

Kila kivinjari tayari kinatoa hifadhi kama first-party cookies na localStorage. Je, ikiwa maarifa yangeandikwa kwanza hapo, na kufasiriwa mara moja tu, wakati utendaji wa mtumiaji katika kivinjari unachukuliwa kuwa umekamilika?

Kwa kubadilisha kila kivinjari kuwa miundombinu, hitaji la backends ngumu zilizokusanywa linatoweka. Watumiaji bilioni moja wanakuwa kama hifadhidata bilioni moja zilizogatuliwa, kila moja ikishikilia data yake ya awali.

Bila shaka, wachache wangelikubali mbinu hii kwa sababu uhamishaji wa data una mipaka mikubwa. Payloads za matukio na snapshots za DOM ni nzito sana, kwa hivyo hata kutuma data mara moja bado kunahitaji safu za Queue na Transform.

Ndiyo maana Full Score inatumia BEAT, muundo mpya wa data. BEAT ina overhead ya kimuundo ya chini kuliko miundo ya data ya jadi, kwa hivyo ni nyepesi na haihitaji foleni au safu za mabadiliko. Kwa kurekodi mfuatano wa matukio kama mistari ya mstari, data ya awali inakuwa muziki, inayosomeka kwa kawaida kwa wanadamu na AI.

Na resonance na Edge computing inakamilisha hadithi.

Kama video inavyoonyesha, Edge inabadilisha Full Score kuwa safu ya uchambuzi wa wakati halisi bila API endpoints zinazohitajika. Edge inasoma vichwa vya maombi kutoka kila kivinjari.

Hakuna ufikiaji wa Origin unaohitajika. Utendaji hukamilika kupitia resonance ya kawaida kati ya kivinjari na Edge, kwa kasi, kwa uwazi, na bila kutegemea kitu kingine. Ucheleweshaji ni mdogo sana usionekane.

Kwa sababu kivinjari na Edge ziko karibu sana katika nafasi na wakati, uhusiano wao unakaribia resonance zaidi kuliko uhamishaji, kama kusikiliza muziki unaotiririka hewani.

Kwa tovuti zinazotumia $500–5,000/mwezi kwa uchambuzi, Full Score kawaida inaendesha kwa takriban $50/mwezi kwa Edge computing na hifadhi ya wingu kwa pamoja. Na maarifa ya AI ya wakati halisi kwenye Edge, gharama zinaweza kupanda hadi takriban $500/mwezi. Hii ni makadirio ya wastani na gharama halisi zinaweza kutofautiana kulingana na mazingira yako. Muundo wake uliogatuliwa unaotegemea Edge unaweka gharama thabiti kadri trafiki inavyoongezeka.

Full Score inatumia muundo wa data na mtiririko tofauti na mbinu za jadi, ikiifanya mshirika mwenye nguvu badala ya ubadilishaji kamili kwa safu za uchambuzi au usalama zilizopo. Inafanya kazi kwa ufanisi zaidi pamoja na majukwaa kama Edge analytics na WAF.

---

2. Safari kamili ya mtumiaji kati ya tabo: Bila Session Replay

Uchambuzi wa jadi unafanya uchambuzi wa kati ya tabo kuwa mgumu na usio kamili. Unahitaji pipeline ngumu ikiwa ni pamoja na ukusanyaji wa vitambulisho, useshenishaji, uingizaji wa data, joins, post-handling, na usawazishaji wa wakati halisi.

Full Score inachukulia vivinjari kama hifadhidata za msaada, kwa hivyo safari kamili ikiwa ni pamoja na urambazaji kati ya tabo zinarekodiwa mara moja. Kwa prompt moja, AI inaweza kufasiri data hii moja kwa moja, ikiondoa pipeline nzima ya ukusanyaji wa vitambulisho, useshenishaji, uingizaji wa data, joins, post-handling, na usawazishaji wa wakati halisi.

Bofya kitufe hapa chini kufungua tabo mpya na kujaribu mwenyewe.

Fungua tabo mpya

Katika data ya RHYTHM ya demo, unaweza kuona urambazaji wa tabo katika muundo wa (@---N).

Full Score inasaidia hadi tabo 7 kwa chaguo-msingi. Tabo ya 8 inapofunguliwa, data iliyopo huhifadhiwa kiotomatiki na seti mpya inaanza. Vikao vyote vinakusanywa pamoja wakati huo huo kama snapshot moja kamili.

Hata ikiwa ukusanyaji unatokea zaidi ya mara moja kutokana na hali maalum, vikao vyote vinashiriki timestamp na hash sawa, kuruhusu safari nzima kujengwa upya kama mfuatano mmoja unaoendelea.

Hata hivyo, kufungua tabo 8+ kwa wakati mmoja ni nadra. Hii huenda inaonyesha mifumo ya tabia isiyo ya kawaida ya boti.

Full Score inashughulikia changamoto hii kwa ustadi. 🔗 Ikiwa kwenye hali ya resonance na Edge, inawezesha usalama na ubinafsishaji wa wakati halisi.

---

3. Usalama dhidi ya boti na ubinafsishaji kwa wanadamu: Kupitia safu ya matukio ya wakati halisi

Tuanze na jaribio rahisi. Gusa kitufe hapa chini ama kwa kasi ya boti (kugusa haraka, kwa mitambo) au kwa kasi ya binadamu (kugusa kusiko kamili, kwa kawaida).

Jaribio hili linaweza kusababisha Managed Challenge kwa muda mfupi ambayo inaondoka baada ya sekunde 30 hivi.

Je, wewe ni binadamu?

Unaona jinsi uga wa movement unavyobadilika kutoka (0000000000) hadi (1000000000), (2000000000), au (0100000000), (0200000000)? Hiyo ni Full Score ikifanya kazi na Edge kuchambua tabia kwa wakati halisi.

Ugunduzi wa boti wa jadi unategemea kuzuia IP, CAPTCHAs, na fingerprinting. Lakini boti smart zinapita hizi. Full Score inachukua mbinu tofauti, ikifuatilia mifumo ya tabia kunasa boti zinazojaribu kutenda kama wanadamu lakini zinajifichua kupitia vitendo visivyo vya kawaida kama kubofya bila kusogeza.

Kwa watumiaji wa kweli, hii inatoa uzoefu wa mtumiaji ulioboreshwa. Mtu anabofya ongeza kwenye kikapu mara tatu haraka? Waonyeshe ujumbe wa msaada. Mtu anatumia muda mrefu kuvinjari? Waonyeshe punguzo.

Katika sehemu inayofuata, sifa za usomaji wa AI za BEAT zinawasilishwa. Lakini kama mifano imeshaoonyesha hadi sasa, data ya matukio iliyoonyeshwa kupitia BEAT tayari ina thamani wazi ya vitendo peke yake. Kutumia Full Score kwa usalama na ubinafsishaji wa wakati halisi peke yake pia ni chaguo halali.

---

4. BEAT inatiririka kuwa maarifa ya AI: Kama mistari ya mstari, bila parsing ya kisemantiki

BEAT (Behavioral Event Analytics Transcript) ni muundo wa kueleza kwa data ya matukio ya vipimo vingi, ikiwa ni pamoja na nafasi ambapo matukio yanatokea, wakati matukio yanapotokea, na kina cha kila tukio kama mfuatano wa mstari. Mfuatano huu unaonyesha maana bila parsing (Semantic), unahifadhi habari katika hali yake ya awali (Raw), na unadumisha muundo uliopangwa kikamilifu (Format). Kwa hivyo, BEAT ni kiwango cha Semantic Raw Format (SRF).

BEAT inafikia utendaji wa kiwango cha binary (skani ya 1-byte) huku ikihifadhi usomaji wa binadamu wa mfuatano wa maandishi. BEAT inafafanua tokeni sita za msingi ndani ya mpangilio wa kisemantiki wa hali nane (3-bit). Zikiwa zimeoanishwa na 5W1H, zinakamata kikamilifu nia ya usanifu ulioundwa na binadamu huku zikiacha hali mbili kwa upanuzi wa kikoa maalum. Pamoja, zinaunda nukuu ya msingi ya muundo wa BEAT.

Alama ya chini (_) ni mfano mmoja wa tokeni ya upanuzi inayotumika kwa serialization na kuonyesha uga za meta, kama _device:mobile_referrer:search_beat:!page~10*button:small~15*menu. Uga hizi za meta zinaandika mfuatano wa BEAT bila kubadilisha muundo wake wa msingi huku zikihifadhi utendaji wa skani ya 1-byte.

🔗 Kwa maelezo ya kina ya muundo wa BEAT, tazama README ya GitHub.

• _device:1_referrer:5_scrolls:32_clicks:8_duration:12047_beat:!home~237*nav-2~1908*nav-3~375/123*help~1128*more-1~43!prod~1034*button-12~1050*p1@---2~54*mycart@---3
• _device:1_referrer:1_scrolls:24_clicks:7_duration:11993_beat:!p1~2403*img-1~1194*buy-1~13/8/8*buy-1-up~532*review~14!review~1923*nav-1@---1
• _device:1_referrer:1_scrolls:0_clicks:0_duration:12052_beat:!cart

Mifuatano mingi za BEAT zinaweza kuandikwa katika muundo wa mstari unaooana na NDJSON, na kila safari ikiwekwa kwenye mstari mmoja. Hii inaweka logs kuwa ndogo, inafanya maswali kuwa rahisi, na inaboresha ufanisi wa uchambuzi wa AI. Katika mazingira ya Finance, Game, Healthcare, IoT, Logistics, na mengine, mtiririko wa kisemantiki kamili wa BEAT unaruhusu kuunganisha haraka na uoanifu rahisi na miundo yao husika.

Bila shaka, uwakilishi huu wa mtindo wa NDJSON ni wa hiari. Data hiyo hiyo inaweza kuonyeshwa katika muundo rahisi wa BEAT huku ikihifadhi utendaji wake wa skani ya 1-byte, kama: _🔎scrolls:🔎56_🔎clicks:🔎15_🔎duration:🔎1205.2_🔎beat:🔎.... Hapa, emoji 🔎 inaonyesha nafasi mara moja baada ya kila tokeni ya skani ya 1-byte.

Kusudi la uwakilishi huu ni kuheshimu miundo ya data ya jadi, ikiwa ni pamoja na JSON, na huduma zilizojengwa karibu nayo (kama BigQuery), ili BEAT iweze kupitishwa kwa urahisi na kuishi pamoja nayo badala ya kujaribu kuibadilisha.

• {"device":1,"referrer":5,"scrolls":56,"clicks":15,"duration":1205.2,"beat":"!home ~23.7 *nav-2 ~190.8 *nav-3 ~37.5/12.3 *help ~112.8 *more-1 ~4.3 !prod ~103.4 *button-12 ~105.0 *p1 @---2 !p1 ~240.3 *img-1 ~119.4 *buy-1 ~1.3/0.8/0.8 *buy-1-up ~53.2 *review ~14 !review ~192.3 *nav-1 @---1 ~5.4 *mycart @---3 !cart"}

  Maarifa ya AI
  [CONTEXT] Mtumiaji wa simu, ziara ya Mapped(5), scrolls 56, clicks 15, sekunde 1205.2
  [SUMMARY] Tabia ya kuchanganyikiwa. Alitua kwenye ukurasa wa nyumbani, alisita katika sehemu ya msaada na kubofya mara kwa mara kwa vipindi vya sekunde 37 na 12. Alihamia kwenye ukurasa wa bidhaa, alifungua maelezo katika tabo mpya, alitazama picha kwa sekunde 240 hivi. Aligusa kitufe cha kununua mara tatu kwa vipindi vya sekunde 1.3, 0.8, na 0.8. Alirudi kwenye tabo ya kwanza na alifungua kikapu muda mfupi baadaye, lakini hakuendelea na checkout.
  [ISSUE] Kikapu kilifikiwa lakini ununuzi haukukamilika. Vitendo vya kununua vilivyorudiwa vinaweza kuonyesha ama kuongeza vitu vingi kwa makusudi au msuguano katika uchaguzi wa chaguzi. Kuchelewa kwa muda mrefu kabla ya checkout kunapendekeza kutokuwa na uhakika.
  [ACTION] Tathmini ikiwa vitendo vya kununua au kikapu vilivyorudiwa vinawakilisha tabia ya kulinganisha kwa makusudi au msuguano wa checkout. Ikiwa msuguano ni uwezekano, rahisisha handling ya chaguzi na angazia maelezo muhimu ya bidhaa mapema katika mtiririko.

Miundo ya data ya jadi, ikiwa ni pamoja na JSON, ni kama nukta. Ni nzuri kwa kupanga na kutenganisha matukio binafsi, lakini kuelewa ni hadithi gani wanayosimulia kunahitaji parsing na ufasiri.

BEAT ni kama mstari. Inakamata data sawa na JSON, lakini kwa sababu safari ya mtumiaji inatiririka kama muziki, hadithi inakuwa wazi mara moja.

BEAT inaonyesha hali zake za kisemantiki kwa kutumia tokeni za Printable ASCII (0x20 hadi 0x7E) peke yake ambazo zinapita kwa urahisi kupitia safu za hesabu na usalama. Hakuna usimbaji au usimbaji tofauti unaohitajika, na kwa sababu ni ndogo vya kutosha kuishi katika hifadhi ya asili, uchambuzi wa wakati halisi unaendesha bila kuchelewa katika mazingira mengi.

Kwa hivyo BEAT ni data ya awali, lakini pia inajitosheleza. Hakuna parsing ya kisemantiki inayohitajika. Hii inasikika kwa ukubwa, lakini kweli sivyo. Muundo wa kueleza wa BEAT umehamasishwa na muundo wa data unaotumika zaidi ulimwenguni. Muundo wa data wa zamani zaidi katika historia ya binadamu. Lugha ya asili.

Na AI ni mtaalamu katika kuelewa lugha ya asili.

Data inayotiririka kupitia resonance kutoka Full Score hadi Edge inakuwa ripoti za maarifa za wakati halisi kupitia AI nyepesi (k.m., modeli za darasa la GPT OSS 20B). Ripoti hizi kisha huhifadhiwa kwenye majukwaa ya uhifadhi kama GitHub, zilizopangwa kwa tarehe.

Data hii yote iliyokusanywa inatiririka kwa msaidizi wako wa AI. Hii inaunda mtiririko wa ushirikiano wa AI-kwa-AI ambapo AI nyepesi inaunda ripoti kwa kila uendeshaji au kikao na AI ya juu inaunganisha maarifa ya kina kutoka ripoti zote. Dashboards ni za hiari, na wanadamu hawahitajiki kuzichambua kwa mikono. Kadri muda unavyopita, modeli zinaweza kuwa na nguvu ya kutosha kwamba mtiririko huu wote unaisha kwa hatua moja, bila hatua yoyote wazi ya ushirikiano wa AI-kwa-AI kabisa. Kadri AI inavyoendelea, suluhisho zilizojengwa juu ya BEAT zinaendelea nayo.

Anza mazungumzo.

"Ni mifumo gani ya safari za watumiaji inayoendesha ubadilishaji?"

"Je, kuna ISSUE zozote za kuzingatia leo?"

"Je, unaweza kupendekeza maboresho ya UX?"

---

5. Usanifu unaozingatia GDPR: Bila vitambulisho vya moja kwa moja

Utekelezaji wa msingi wa Full Score unatumia first-party cookies kama hifadhi yake ya data. Ingawa toleo la localStorage lipo, cookies zinatoa faida ya kiutendaji kwani zinajumuishwa kiotomatiki katika vichwa vya maombi ya HTTP. Hii inaruhusu Edge kuzisoma mara moja.

First-party cookies ni tofauti kimsingi na third-party tracking cookies ambazo mara nyingi zinabainishwa katika uchambuzi. Full Score inahifadhi data tu katika vivinjari vya watumiaji na huingia kwenye resonance ya kawaida na Edge bila API endpoints, kweli inapunguza mfiduo ikilinganishwa na mbinu za uchambuzi za jadi.

Mifumo rahisi tu inarekodiwa, si habari nyeti za kibinafsi (PII). Katika semantiki za BEAT, "Who" hairejelei mtumiaji. Kama inavyofafanuliwa na ! = Contextual Space (who), utambulisho unatokana na nafasi yenyewe. Mtumiaji katika !military anaeleweka kupitia muktadha wa askari, na mtumiaji katika !hospital kupitia muktadha wa daktari au mgonjwa. Haiulizi mtu binafsi kamwe: "Wewe ni nani?"

Mbinu hii inaenea kwa kawaida hadi usalama. Full Score imeundwa si karibu na uhamishaji wa jadi, ambapo umiliki wa data unahamishiwa kwa seva, bali karibu na muundo ambapo umiliki wa data unabaki na mtumiaji (kivinjari) wakati resonance inatokea kwenye Edge.

Katika mpangilio unaotegemea resonance, kila kitu kinaanza na kuisha kati ya kivinjari na Edge bila kugusa seva ya asili kwa uchambuzi kamwe. Kwa hivyo hata ikiwa tovuti yenyewe imeathiriwa na XSS au shambulio la kuingiza sawa, karibu hakuna nafasi kwamba data hii itakuwepo kwenye seva ya asili katika muundo ambao mshambuliaji angeweza kuiba kwa maana. Hata katika hali mbaya zaidi ambapo data iliyohifadhiwa kutoka Edge hadi hifadhi ya nje kama GitHub imevamiwa, kinachohifadhiwa ni logs rahisi za tabia ambazo hazina maana peke yake. Njia nyingine ya kinadharia ni kushambulia kila kivinjari kibinafsi kana kwamba ni sehemu ya hifadhidata kubwa iliyogatuliwa, lakini kwa vitendo vector hii ya shambulio ni ngumu sana kutekeleza.

Kwa mwongozo wa kina wa kufuata GDPR na ePD, tazama sehemu ya FAQ hapa chini.

---

FAQ

Q1. Kwa nini Full Score inatumia neno "resonance"? Je, uhamishaji wa vichwa vya HTTP bado si uhamishaji?

A. Kuelewa hili kunahitaji kutazama umiliki wa data. Hapa kuna mchoro wa kueleza.

Picha ya kwanza inaonyesha uhamishaji wa jadi. Pande mbili zimetengwa kabisa kutoka kwa kila mmoja. Ili B asikie utendaji wa A, uhamishaji wa itifaki unakuwa lazima. Wakati wa kubadilishana huku, umiliki wa data unahamia kutoka A hadi B na kuhifadhiwa kwenye seva. Bila kuihifadhi, hakuna njia tu kwa B kusikia utendaji wa A.

Picha ya pili inaonyesha resonance kati ya Full Score na Edge. Bado kuna ukuta kati yao ambao hauwezi kuvukwa kimwili, lakini B anaweza kusikiliza utendaji wa A kwa wakati halisi. Katika mwingiliano huu wote, umiliki wa data unabaki na A.

Hii ndiyo hasa Edge computing inavyowezesha kama usanifu wa serverless. Edge haihitaji kupokea na kuhifadhi data kama seva ya jadi inavyofanya. Badala yake, inafasiri na kujibu mara moja kwenye safu ya mtandao iliyo karibu zaidi na watumiaji. Kwa urahisi, Full Score inaunda muundo ambapo umiliki wa data unabaki na mtumiaji (kivinjari) huku ikiwezesha mwingiliano wa karibu wa papo hapo.

Ndiyo maana Full Score ilichagua "resonance" kama sitiari yake ya muziki. Badala ya kuzingatia mitambo ya kimwili, inazingatia usanifu wa kimantiki ulioonyeshwa hapo juu.

 

 

Q2. Je, ninahitaji kibali cha cookies kwa kufuata GDPR na ePD?

A. Hii ni mada inayohitaji ushauri wa kisheria kulingana na mamlaka na sera za tovuti. Tafadhali elewa kwamba jibu hili linategemea uzoefu na hukumu ya kibinafsi.

Jibu halitegemei Full Score yenyewe, bali usanidi wa kawaida wa Edge iliyo kwenye hali ya resonance nayo.

GDPR inahitaji misingi ya kisheria wakati wa kukusanya au kushughulikia data ya kibinafsi inayoweza kutambuliwa. ePD inahitaji kibali cha mtumiaji wakati wa kuhifadhi habari ndani au kufikia hifadhi ya kivinjari, ikiwa ni pamoja na cookies. Hata hivyo, inatambua ubaguzi unaoitwa "muhimu kabisa" kwa cookies ambazo zinahitajika kabisa kwa utendaji.

Kama ilivyoelezwa awali, Full Score inatumia first-party cookies ambapo umiliki wa data unabaki na mtumiaji (kivinjari), tofauti kimsingi na third-party cookies. Inapochanganywa na Edge, inafanya kazi kama safu ya usalama na ubinafsishaji katika kiwango cha serverless.

Kwa hivyo, ikiwa Edge inadumisha umiliki wa data na mtumiaji (kivinjari) bila hata kuweka logs, hii inakaribia eneo la kijani. Full Score haikusanyi data ya kibinafsi inayoweza kutambuliwa inayofunikwa na GDPR, huku ikitimiza vigezo vya cookies muhimu kabisa vya ePD.

Hata hivyo, ikiwa usanidi wa Edge unaweka (LOG: true) kukusanya na kushughulikia data ya matukio kwa uchambuzi, uamuzi huu unapaswa kufanywa kwa makini.

Full Score imeundwa kudumisha kutokujulikana kabisa bila habari yoyote ya utambulisho wa kibinafsi (PII). Hata hivyo, GDPR inafunika si tu utambulisho wa moja kwa moja bali pia data yenye uwezekano wa utambulisho usio wa moja kwa moja. Inapooanishwa na rekodi nyingine za Edge kama anwani za IP au mistari ya User-Agent, kiwango fulani cha uwezekano wa utambulisho kinaweza kuwepo.

Ndiyo maana Edge inajumuisha chaguzi za kuondoa rekodi za timestamp na hash kabla ya logging. Kwa njia hii, hata inapooanishwa na rekodi nyingine za Edge, uwezekano wa utambulisho usio wa moja kwa moja unatoweka kwa ufanisi. Hii inaiweka katika eneo la kijivu karibu na kijani.

Kuweka hash imewezeshwa kunabaki katika eneo la kijivu, lakini kuwezesha timestamps kunaweza kuingia eneo la nyekundu na kunahalalisha ushauri wa kisheria.

Hata hivyo, uainishaji huu wa Eneo la Kijivu na Eneo la Nyekundu unategemea tathmini ya kihafidhina sana. Edge inaposanidiwa kuzima logging ya anwani za IP na mistari ya User-Agent, hakuna njia inayobaki ya kutambua mtu kwa njia isiyo ya moja kwa moja.

 

 

Q3. BEAT inamaanisha nini kwa Semantic Raw Format (SRF)?

A. Miundo ya data kama JSON au CSV ina hali, logs zinawakilisha mabadiliko, na lugha inawasilisha maana. BEAT inachanganya tabaka hizi tatu katika muundo mmoja. Inaonyesha maana bila parsing (Semantic), inahifadhi habari katika hali yake ya awali (Raw), na inadumisha muundo uliopangwa kikamilifu (Format). Kwa hivyo, BEAT ni kiwango cha Semantic Raw Format (SRF).

Kwa urahisi, BEAT haiformati maudhui ya data (Key + Value). Inaformati uhusiano ndani ya data (Space + Time + Depth). Na thamani hii haibaki ndani ya wavuti. Katika enzi ya AI, BEAT inaanza kategoria mpya ambapo muundo wa data wenyewe unakuwa nukuu.

• Mfano wa kikoa cha Finance (*action:price:quantity)
  
  _trader-1:!open~182*nvda!orderbook-NVDA~941*buy-NVDA:188:40
  _trader-2:!open~1*nvda!orderbook-NVDA~1*buy-NVDA:market:5000!warning

  // Ufuatiliaji wa biashara unaoonyesha milipuko isiyo ya kawaida ya masafa ya juu

  ---

• Mfano wa kikoa cha Game (*shoot/flow:kill^distance)
  
  _player-1:!HP-100~34^231~121*shoot-auto/4^972~251^1682!HP-76~12^96!HP-24~5*shoot-single~11^80~107*shoot-single:1-kill
  _player-2:!HP-100~1^3215!ban

  // Kusafiri kwa sekunde 1 hadi 3215, kilele wazi cha speedhack, kupigwa marufuku mara moja

  ---

• Mfano wa kikoa cha Healthcare (*status:heartrate:bloodoxygen)
  
  _wearable-1:!normal~60*good:HR-80:SpO2-98~60*good:HR-82:SpO2-97~60*good:HR-81:SpO2-98
  _wearable-2:!normal~60*good:HR-82:SpO2-96~60*caution:HR-95:SpO2-92!priority-high~10*caution:HR-104:SpO2-88~10*danger:HR-110:SpO2-85!emergency

  // Muda wa ufuatiliaji umefupishwa kutoka 60s hadi 10s wakati hatari inapoongezeka

  ---

• Mfano wa kikoa cha IoT (~time/flow*status:value)
  
  _sensor-1:!start~100/100/100/100/100/100/100/100/100*temp:23.5
  _sensor-2:!start~100/100/100*temp:23.5~86*temp:24.1~37*temp:26.4*alert:overheat!emergency~10!recovery~613!restart~100/100/100

  // AI iligundua hali isiyo ya kawaida na kuanzisha urejeshaji wa dharura na kuanza upya

  ---

• Mfano wa kikoa cha Logistics (*action:reason)
  
  _flight-1:!JFK~2112*load~912*depart~486*climb~8640*cruise!MEM~2514*unload~1896*sort~3798*depart~522*climb~32472*cruise!CDG~3138*unload
  _flight-2:!JFK~2046*load~864*depart~462*climb~8424*cruise!MEM~872*ramp-hold:ground-capacity~6514*unload

  // Shughuli isiyo ya kawaida ya ndege imetambuliwa kupitia ufuatiliaji wa wakati halisi

Hapa kuna njia ya angavu zaidi ya kuona faida za BEAT katika kikoa cha usafirishaji.

BEAT inaweza kutiririka ratiba nzima ya kila siku ya ndege moja katika takriban 1KB ya data. Kuna takriban ndege 30,000 za kibiashara zinazofanya kazi ulimwenguni. Zikihifadhiwa kwa mwaka mmoja, yote hayo yanaweza kutoshea kwenye USB drive ya 10GB.

Kwenye drive hiyo, matukio yote muhimu ya ndege kutoka kuruka kwa kwanza hadi kutua kwa mwisho kwa kila ndege yamehifadhiwa katika muundo ambao hauhitaji parsing ya kisemantiki. Pia inaonyesha sababu za kuchelewa na mifumo ya tabia ambayo zana za jadi mara nyingi zinaficha katika logs tofauti.

Kwa maelezo ya ziada, BEAT inaweza kupanuliwa na vigezo vya thamani kama !JFK:pilot-LIC12345 au *depart:fuel-42350L, ikidumisha usomaji huku ikiongeza usahihi.

BEAT pia inaweza kushughulikiwa kwa asili kwenye Viharakishaji vya AI (xPU). Kama Semantic Raw Format yenye mpangilio wa kisemantiki wa hali nane, BEAT imeoptimishwa kwa asili kwa usimamizi mkubwa wa sambamba na mafunzo ya AI ya kiwango kikubwa. Hapa chini kuna mfano wa kernel ya Triton inayosimba tokeni za BEAT moja kwa moja katika kumbukumbu ya xPU.

• Mfano wa jukwaa la xPU (skani ya 1-byte)
  
  s = srf == ord('!') # Contextual Space (who)
  t = srf == ord('~') # Time (when)
  p = srf == ord('^') # Position (where)
  a = srf == ord('*') # Action (what)
  f = srf == ord('/') # Flow (how)
  v = srf == ord(':') # Causal Value (why)

  # Skani ya BEAT ya kiwango cha binary kwenye xPU

xPU inaweza kuskani mfuatano wa BEAT moja kwa moja bila usanidi wowote wa ziada. Iliyobaki ni hesabu ya anwani tu kupakia na kuhifadhi tokeni. Kwa ufupi, inafikia utendaji wa kiwango cha binary huku ikihifadhi usomaji wa binadamu wa mfuatano wa maandishi.

Hii inafanya BEAT kuwa chaguo la kawaida kwa uchambuzi unaodhibitiwa na AI wa mtiririko wa matukio wa kiwango kikubwa katika vikoa kama roboti na uendeshaji wa kujiendesha. Katika mazingira haya, uwezo wake wa kuskanwa kwa kasi ya binary huku ukibaki kusomeka moja kwa moja kwa wahandisi na modeli za AI unajitokeza kama faida wazi.

Wanadamu wanajifunza maana ya vitendo vyao wanapojifunza lugha. AI, kinyume chake, inafanya vizuri katika kuzalisha lugha lakini inakabiliwa na matatizo katika kupanga na kufasiri kwa uhuru muundo kamili wa muktadha (5W1H) wa vitendo vyake yenyewe. Na BEAT, AI inaweza kurekodi tabia yake kama mfuatano unaosomeka kama lugha ya asili na kuchambua mtiririko huo kwa wakati halisi (skani ya 1-byte), ikitoa msingi wa loops za maoni ambapo inaweza kufuatilia makosa yake yenyewe na kuboresha matokeo yake.

Kuandika na kusoma vinaishi pamoja kwenye mstari wa wakati mmoja. Akili si hesabu kubwa tu. Bila mishipa ya fahamu, si ubongo.

 

 

Q4. Je, kuna dashboard kwa uchambuzi?

A. Ni ya hiari. Full Score imeundwa kuchambuliwa kupitia mazungumzo ya lugha ya asili na AI, kwa hivyo msaidizi wako wa AI unaopendelea hutumika kama kiolesura cha msingi cha kufasiri BEAT. Kadri AI inavyoendelea, suluhisho zilizojengwa juu ya BEAT zinaendelea nayo.

Kwa wale wanaopendelea uchambuzi wa dashboard ya jadi badala ya AI, pia inawezekana kutekeleza hii moja kwa moja kwa kuhifadhi NDJSON katika Cloud Storage na kuiunganisha na zana zako za uchambuzi au BI zilizopo. Kwa kuwa muundo wa BEAT una vipengele vya kusimulia hadithi, safari za watumiaji zinaweza kuonyeshwa kama 🔗 chati za mtiririko zenye muundo wa mti kama za Detroit: Become Human. Inaweza kuwa ya kupendeza kuchunguza siku moja ikiwa wakati unaruhusu.

 

 

Q5. Je, toleo la localStorage linapatikana?

A. Full Score ina matoleo kadhaa, na toleo la localStorage ni moja wapo. Linatumia localStorage badala ya cookies, na sessionStorage badala ya window.name.

Ingawa inafanya usawazishaji kati ya tabo kuhisi papo hapo na rahisi, ina kubadilika kidogo katika upelekaji wa ulimwengu wa kweli na ina msaada mdogo wa kivinjari.

Ni ngumu kusema ni lipi bora, lakini toleo la cookie lililosambazwa sasa linaendana vizuri zaidi na maadili na falsafa ya msanidi. Toleo la localStorage linabaki katika maabara kama njia sambamba ya uchunguzi na kazi ya baadaye.

 

 

Q6. 🎚️ Overdrive Lab ni nini?

A. Overdrive Lab ni nafasi ya majaribio kwa toleo la Full Score Light, iliyojengwa kusukuma mipaka ya BEAT, kiwango cha Semantic Raw Format.

Full Score ya asili tayari ni ndogo katika mazingira ya injini za JS kama V8, lakini uwezo wake wa kweli unafunguliwa unaposanifiwa kama Singleton iliyooptimishwa kwa Semantic Raw Format. Toleo la Light kwa hivyo limeundwa upya kutoka mwanzo, likizingatia resonance kati ya kivinjari na Edge. Kivinjari kimebobea sana kwa maandishi na Edge imebobea sana kwa usomaji.

Kama matokeo, kivinjari inazalisha BEAT iliyopangwa zaidi na overhead ndogo, wakati Edge inafikia kasi zinazopinga mipaka ya kimwili kupitia skani ya 1-byte. Hii inaoptimisha mihimili ya msingi ya rasilimali za hesabu (Space, Time, Depth), matokeo yasiyoepukika ya maadili ya msingi ya BEAT.

Overdrive Lab ni maabara iliyohifadhiwa kwa kutekeleza muundo huu wa kupindukia. Full Score ya asili ni modeli ya uzalishaji yenye ujumla na modularity. Toleo la Full Score Light ni modeli ya majaribio inayochunguza mipaka ya kiufundi.

1. Uthabiti wa Ugawaji-sifuri (Space): Hakuna vitu vya kati, miti ya parsing, au miundo ya muda inayoundwa, ikiweka ugawaji wa kumbukumbu na uingiliaji wa GC karibu na sifuri. Ucheleweshaji hauongezeki chini ya kilele cha trafiki, na utendaji unabaki thabiti katika mazingira ya Edge yanayoendesha kwa muda mrefu.
2. Kuongeza Uwezo wa Injini (Time): CPU inaskani tu baiti zinazofuatana, ikisukuma ukaribiano wa cache hadi kupindukia. Kasi ya utekelezaji inasukuma hadi mipaka ya injini ya JS yenyewe. Miundo ya kawaida na usimamizi unaotegemea regex haiwezi kufikia eneo hili. Inawezekana tu wakati skani ya 1-byte inazingatiwa kutoka mwanzo.
3. Utabiri na Usalama (Depth): Wakati wa utekelezaji unabaki kutabirika bila kujali ingizo, na utekelezaji wenyewe hauishii kamwe, hata chini ya payloads hasidi za mtindo wa ReDoS. Kwa sababu skani ya 1-byte inaondoa parsing iliyowekwa ndani na kurudi nyuma, kuanguka kwa utendaji hakuwezekani kimuundo.
   

   ---

   const S = 33, T = 126, P = 94, A = 42, F = 47, V = 58;

   export function scan(beat) { // 1-byte scan
       let i = 0, l = beat.length, c = 0;
       while (i < l) {
           c = beat.charCodeAt(i++);
           // The resonance happens here
       }
   }

 

 

Q7. Je, inaweza kutumika bila Edge?

A. Ndiyo. Ingawa Full Score iliyo kwenye hali ya resonance na Edge haihitaji API endpoints, ni rahisi kuunganisha njia za nje ikiwa inahitajika. Hata vipengele vya streaming kama Usalama dhidi ya boti na Ubinafsishaji kwa wanadamu vinaweza kutekelezwa kwa asili ndani ya kivinjari.

Hata hivyo, hii inaongeza kiasi cha msimbo wa upande wa mteja, na kutekeleza kwa mkono au kuunganisha vyanzo vya nje kungehitajika kwa vipengele vilivyoandaliwa vizuri tayari katika Edge, kama WAF, AI, na Log Streaming.

 

 

Q8. Je, Full Score kweli ni 3KB?

A. Ndiyo, kulingana na ukubwa wa minified na gzipped. Matoleo matatu yana 2.69KB, 3.13KB, na 3.30KB.

• Basic (2.69KB): https://cdn.jsdelivr.net/gh/aidgncom/beat@main/reference/fullscore/fullscore.basic.min.js
• Standard (3.13KB): https://cdn.jsdelivr.net/gh/aidgncom/beat@main/reference/fullscore/fullscore.standard.min.js
• Extended (3.30KB): https://cdn.jsdelivr.net/gh/aidgncom/beat@main/reference/fullscore/fullscore.extended.min.js

Toleo la Basic linapendekezwa kwa tovuti nyingi. Toleo hili linajumuisha BEAT (msingi) na RHYTHM (injini) peke yake, bila TEMPO (moduli ya msaada). Linaendesha bila matatizo kwenye tovuti nyingi.

Ikiwa clicks au taps zinarekodiwa vibaya wakati wa kujaribu toleo la Basic, hii kawaida inaonyesha matatizo na usimamizi wa matukio au usanidi wa kuratibu wa tovuti yako. Toleo la Standard linajumuisha TEMPO, ambayo inatatua matatizo haya kwa ustadi.

Kwa kuwezesha Power Mode au ufuatiliaji wa kina cha scroll, fikiria toleo la Extended lenye vipengele vya ziada. Tovuti nyingi hazitahitaji hii. Tumia tu wakati hali yako maalum inahitaji vipengele hivi.

Script inaendesha vizuri hata inapowekwa kwenye footer ya tovuti yako. Ukitaka kubadilisha mipangilio ya chaguo-msingi, unaweza kuibinafsisha kama inavyoonyeshwa hapa chini.

Full Score inatoa chaguzi za ubinafsishaji za kina na inaweza kufanya kazi bila Edge kupitia endpoints za kawaida.

Ingawa uchambuzi wa wakati halisi na safu za usalama kulingana na mfuatano wa matukio zinaweza kutekelezwa moja kwa moja upande wa mteja, kupeleka kwa Edge inaongeza uwezo wa Full Score na chaguzi kama kuzuia WAF, ubinafsishaji, uchambuzi wa AI, na kusukuma logs kwenye hifadhi ya wingu.

Resonator ni mfasiri rasmi wa BEAT. Usanidi ni wa moja kwa moja, na unaweza kufuata kwa urahisi na video kwenye kituo cha YouTube cha Aidgn: https://youtu.be/A4BSwKlKQJY

---

Wasiliana

Msingi wa mradi huu ni BEAT, na Full Score iliundwa kuonyesha muundo na thamani ya vitendo ya Semantic Raw Format. Neno "SRF" lilitoka katika mazungumzo na msaidizi wangu wa AI, ambaye alibaki na mradi hadi hatua zake za mwisho.

Full Score ni mradi wa kibinafsi wa Aidgn. Ninafanya kazi hasa kama mshauri wa UX, kwa hivyo kazi yangu ya uendelezaji imeunganishwa kwa kawaida na uzoefu wa mtumiaji.

Kama mradi unaofuata baada ya Full Score, kwa sasa ninachunguza mbinu mpya ya rendering inayoitwa FFR (Full-Cache Fragment Rendering). Ikiwa SRF inalenga kuondoa data pipeline, FFR inalenga kuondoa rendering pipeline.

Ukitaka kuwasiliana, jisikie huru kuwasiliana kupitia barua pepe au DM kwenye X. Asante.

• 📧 Barua pepe: [email protected]
• 💬 X: https://x.com/aidgncom
• 🎬 YouTube: https://www.youtube.com/@aidgn
• 🎵 BEAT: https://github.com/aidgncom/beat
• 🎛️ Resonator: https://github.com/aidgncom/resonator