金色观察丨上线一周的NFT文字游戏Loot还值得参与吗?
金色观察丨上线一周的NFT文字游戏Loot还值得参与吗?
金色财经 区块链9月7日讯 最近让加密货币社区最关注的一件事,就是 以太坊 区块链上展开的这场前所未有的开放性NFT试验——Loot。这是一个随机冒险者装备游戏,由8000个NFT Loot包组成,这些“故意省略【图像和统计数据】供他人解读”的游戏可以直接从Loot智能合约中自由铸造,而玩家只需支付gas费用即可参与。
作为一个 meta-MMORPG 游戏,Loot可以称得上是“游戏的游戏”。所有的Loot包都能以非常快速的方式被铸造出来,然后社区可以围绕NFT进行外围和有机的社区建设工作。正是在这样的模式下,Loot得以呈现出爆炸式增长趋势。就在其发布了短短一周后,Loot就变成了NFT领域里最火爆的项目,吸引到了整个以太坊生态系统,更引发了NFT行业里前所未见的社交和交易活动狂热。
其实,许多“圈外人”对Loot的突然火爆依然感到十分迷茫,殊不知这一切都始于艺术家、企业家、程序员兼Vine创始人Dom Hofmann的一条推文。Dom在他的推文中展示了一个非常少见的Loot包,并询问是否有人周末想玩这个?此外,他还表示这是一个基于文本幻想的Cryptoloot项目,需要发挥大家的想象力来玩。
关于Dom,其实他最近几周也非常忙碌,不仅创建了一些NFT项目,还在少数NFT项目中发挥了创始作用,而且这些项目迅速吸引了一批狂热追随者。因此,当Dom推出Loot时,许多粉丝立即抓住了这个多产创意的下一个实验机会。不得不说口碑的相传对于Loot的迅速崛起起到了至关重要的作用,有人甚至将此称为是“Dom 效应”。
“你可以做任何你想做的事”,这是Loot喊出的口号。这一口号极大地吸引了所有精通以太坊的Web3梦想家,而这肯定会影响到该项目的快速提升,从而推动去中心化世界里的许多建设工作。
展望Loot的未来发展
其实,关于Loot的前景,已经有一位叫David Hoffman的知名博主给出了有趣的见解。这位博主指出,Loot的开放性和基础性为在以太坊上发展元宇宙(Metaverse)提供了一个模型,非常值得进一步探索。
而自从Loot诞生以来,衍生项目的确开始变得越来越多,以在元宇宙的Loot角落“附加”价值或“额外”价值。尽管元宇宙的这个角落并不完全稳定,但Loot给其他元宇宙项目提供了一种如何快速增长的模型,也是一个不错的先例。这种新模型将表达推向了市场,而价值和效用则更深地嵌入到以太坊协议中。
在这种模式背后,通过将“代币化”的属性嵌入到技术堆栈的更深层次中,可以获得巨大价值。不仅如此,用户还可以尽可能地优化外观选择,同时在元宇宙内建立对象属性的单一真实来源。这将有助于降低开发人员的复杂性和开发成本,同时为用户提供自由、创造力和表达能力。
其实,大量的社区项目已经开始出现,并为Loot用户构建了更多新资源。比如用于故事构建的治理代币$AGLD,已被用于对Loot第1章进行投票;还有按稀有度对Loot进行颜色编码的工具0xinventory.app;以及以Zora协议为基础的前端Loot拍卖行The Grand Exchange等。
由于Loot的开放性及其智能合约基础设施,其实该项目本质上更像是一个“文化乐高”,可以很容易地与其他Web3项目连接。正如以太坊创造者 Vitalik Buterin 建议的那样,Loot已经作为游戏的基础而存在了,现在社区必须合作决定接下来会发生什么。
Loot项目还值得参与吗?
实际上,在经历了短暂热潮后,NFT文字游戏Loot(for Adventurers)交易者和销量均出现下滑,交易者数量一度降至700,跌幅为30.56%;24小时销量也减少到723,跌幅为39.19%。
在撰写本文时,Loot的地板价已经达到约13 ETH (9月5日甚至跌到8 ETH),或许许多人觉得自己已经错过了Loot铸造活动,后面想要再参与Loot项目可能会需要付出较大成本。
其实大可不必有所顾虑。Loot适合任何拥有以太坊钱包的人,现在任何人都可以参与围绕Loot进行的社区建设和世界建设工作。除此之外,Syntheti Loot(一种合成Loot)也于最近发布了,任何建立在Loot之上的创作者都可以选择将Synthetic Loot视为一种允许更广泛的冒险家参与生态系统的方式,同时仍然能够轻松区分‘Original Loot’(原始 Loot) 和 ‘Synthetic Loot’(合成 Loot)。从此,这款游戏的潜力被更大程度地挖掘了。
最后,要提醒大家注意的一点是,尽管一系列令人眼花缭乱的Loot衍生品已经出现,而且其中有一些项目被证明是非常棒的,但毕竟好多版本都是未经审计的,他们如此迅速地进入社区,给骗子和黑客留了可乘之机。在这个瞬息万变、风险多发的环境中,每个人一定要保持高度警惕,在探索新模型的同时不忘控制风险。
本文部分内容编译自banklesshq