طرح جدید احیای اکوسیستم ترا کلاسیک

شش مهندسی که خود را ۶ سامورایی (Six Samurai) نامیده‌‌اند، طرح جدیدی را برای احیای اکوسیستم ترا کلاسیک پیشنهاد کرده‌‌اند. این مساله نشان می‌دهد که برخی از اعضای جامعه ترا‌‌ کلاسیک تمام تلاش خود را می‌‌کنند تا از قید و بند بنیان‌‌گذار پرحاشیه آن، یعنی دو کوان (Do Kwon) رها شوند و این پروژه را بازسازی کنند. به گزارش کوین‌‌دسک، ترا کلاسیک شبکه اصلی و قدیمی ایجادشده توسط ترافرم لبز (Terraform Labs) است که بعد از فروپاشی شبکه ترا، شبکه ترا ۲ از آن فورک گرفته شده و راه‌‌اندازی شد. ارزش کل بازار توکن بومی آن، یعنی لونا کلاسیک (LUNC) هم به ۵۳۰ میلیون دلار می‌‌رسد.

 مهندسان مذکور به سرپرستی بیلبو بگینز و سالید اسنیک، پیشنهاد حاکمیتی خود را در ابتدای هفته جاری ارائه کرده‌‌اند و از اعضای جامعه ترا کلاسیک خواسته‌‌اند که برای ۳ ماه بخشی از درآمدهای جامعه ترا (حدود ۱۱۶هزار دلار) را به آنها اختصاص دهند تا بتوانند به‌‌صورت پاره‌‌وقت روی این پروژه کار کنند. آنها اعلام کرده‌‌اند: لونا کلاسیک پتانسیل نامحدودی دارد و ما می‌خواهیم با استفاده از مهارت‌‌های خود به سرمایه‌‌گذاران و ارزش بخشیدن به این بلاک‌چین کمک کنیم تا به هدف اصلی‌‌مان، یعنی احیای واقعی این اکوسیستم دست یابیم.

ما اینجا هستیم تا برای اکوسیستم ترا و در مسیر احیای آن ارزش‌‌آفرینی کنیم و باور داریم که هم توسعه‌‌دهنده و هم عضو/ سرمایه‌‌گذار قدیمی آن هستیم. ارتقای شبکه برای کاهش زمان همگام‌‌سازی بین گره‌ها، ایجاد شبکه آزمایشی دلار ترا کلاسیک (USTC) برای آزمایش خدمات مالی، راه‌‌اندازی یک برنامه کاربردی مخصوص تولید بازده برای هولدرهای این توکن و برنامه‌‌ریزی برای پاداش دادن به توسعه‌‌دهندگان به‌‌ازای فعالیت کاربران اپلیکیشن‌‌های آنها، از جمله اهدافی هستند که شش سامورایی می‌خواهند به آن برسند. 

هدف آنها این است که در نهایت ارزش اکوسیستم ترا کلاسیک را افزایش دهند و در صورت امکان، به افزایش قیمت LUNC کمک کنند. شش سامورایی یکی از معدود اعضای جامعه ترا‌‌ کلاسیک هستند که برای احیای این شبکه و نجات آن تلاش می‌‌کنند.  در اواسط آوریل (فروردین)، یکی دیگر از اعضای انجمن ترا کلاسیک به نام «RedlineDrifter»  مدل جدیدی را برای استیبل کوین USTC ارائه کرد که برای رفع مشکلات آن به روش‌هایی مثل بازخرید توکن، مبادله‌های یک‌‌طرفه، استیکینگ و «کارمزد واگرایی پگ الگوریتمی» متکی بود.