优化Fuels-ts项目中`fuels init`命令的目录检测逻辑
2025-05-02 06:08:45作者:蔡怀权
在FuelLabs的fuels-ts项目中,fuels init命令用于初始化Fuel项目的配置。该命令支持通过glob模式指定predicates目录,但在实际使用中发现目录检测逻辑存在可以优化的空间。
当前问题分析
当开发者使用如下命令初始化项目时:
npx fuels init --predicates ./predicate/* --output ./src/predicate_api
对于如下的目录结构:
└── predicate
└── Forc.toml
当前生成的fuels.config.ts会包含predicate目录下的所有文件和子目录:
import { createConfig } from 'fuels';
export default createConfig({
predicates: [
'predicate/Forc.lock',
'predicate/Forc.toml',
'predicate/out',
'predicate/src',
],
output: './src/predicate_api',
});
期望行为
更合理的做法应该是直接引用predicate目录本身,而不是枚举其中的所有内容:
import { createConfig } from 'fuels';
export default createConfig({
predicates: [
'predicate'
],
output: './src/predicate_api',
});
技术实现建议
要实现这一优化,可以考虑以下改进方向:
-
路径解析逻辑:当检测到glob模式匹配的是一个目录时,应该直接使用该目录路径,而不是展开其内容。
-
智能路径处理:可以添加逻辑判断,如果路径指向的是一个有效的Forc项目目录(包含Forc.toml文件),则直接使用该目录路径。
-
向后兼容:确保修改后的逻辑不会影响现有项目的配置加载方式。
优化带来的好处
-
配置简洁性:生成的配置文件更加简洁明了,便于开发者理解和维护。
-
更好的可维护性:当predicate目录内容发生变化时,不需要重新生成配置。
-
一致性:与其他工具(如Forc本身)的目录处理方式保持一致。
-
减少错误:避免因目录内容变化导致的潜在配置问题。
实现考虑
在实际实现时,需要考虑以下技术细节:
- 如何准确判断一个路径是否代表一个Forc项目目录
- 如何处理嵌套的predicate目录结构
- 如何提供清晰的错误提示,当路径无效时
- 如何保持与现有项目的兼容性
这种优化将提升开发者的使用体验,使fuels-ts项目更加健壮和易用。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
311
2.72 K
deepin linux kernel
C
24
7
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
638
242
仓颉编译器源码及 cjdb 调试工具。
C++
124
851
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
469
Ascend Extension for PyTorch
Python
148
175
暂无简介
Dart
604
135
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
226
81
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
363
2.99 K
React Native鸿蒙化仓库
JavaScript
236
310