Starknet.js v7.4.0 版本发布:交易收据类型增强与安全特性升级
Starknet.js 是一个用于与 Starknet 区块链交互的 JavaScript SDK,它为开发者提供了在 Starknet 上构建去中心化应用所需的各种工具和功能。作为 Starknet 生态系统中重要的基础设施组件,Starknet.js 持续迭代更新以支持最新的协议特性和开发者需求。
交易收据类型断言增强
本次 v7.4.0 版本对交易收据的类型断言功能进行了重要改进。在之前的版本中,开发者需要手动检查交易收据的状态字段来确定交易是否成功、失败或回滚。新版本通过引入 isSuccess、isError 和 isReverted 类型谓词,使得类型检查更加直观和安全。
这些类型谓词函数可以帮助 TypeScript 开发者更精确地缩小收据类型范围,在编译时就能捕获潜在的类型错误。例如,当使用 isSuccess 检查通过后,TypeScript 编译器会自动知道该收据对象属于成功交易类型,开发者可以安全地访问成功交易特有的属性。
L1 消息哈希计算功能
新版本增加了 getL1MessageHash() 方法,这是一个重要的跨链功能增强。在 Starknet 的架构中,L1(主网)和 L2(Starknet)之间的消息传递是通过特定的哈希机制实现的。这个方法允许开发者计算从 L1 发送到 L2 消息的哈希值,为构建跨链应用提供了基础工具。
该功能的实现遵循 Starknet 的协议规范,确保哈希计算与网络节点保持一致。开发者现在可以更方便地验证跨链消息,构建可靠的跨链通信机制。
SNIP-29 安全增强
v7.4.0 版本引入了对 SNIP-29 标准的支持,这是一组针对智能合约交互的安全检查规范。这些安全检查包括但不限于:
- 合约调用前的状态验证
- 交易参数的有效性检查
- 预期执行结果的预验证
这些检查可以帮助开发者在早期阶段发现潜在的安全问题,避免因不安全的合约交互导致资产损失。特别是对于去中心化金融(DeFi)应用开发者,这些安全增强提供了额外的保护层。
事件解析改进
本次更新修复了事件解析模块中的一个重要问题。在之前的版本中,parseEvents 方法会修改原始事件对象,这可能导致意外的副作用。新版本确保了解析过程不会改变原始事件数据,保持了数据的不可变性原则。
这个改进对于需要精确事件处理的场景尤为重要,比如区块链数据分析、监控系统等应用。开发者现在可以放心地将原始事件数据用于多种用途,而不必担心解析过程会意外修改数据。
交易费用相关警告
随着 Starknet 协议的发展,v7.4.0 版本对交易费用字段的处理进行了调整。对于 V3 交易类型,现在会添加关于 max_fee 的警告信息,提醒开发者注意费用设置。同时移除了对不再支持的 Nethermind 免费 RPC 节点的相关代码。
这些变更反映了 Starknet 网络费用机制的演进,帮助开发者更好地适应网络变化,构建更健壮的应用。
遗留程序接口兼容性
为了保持向后兼容性,新版本修复了遗留 Program 接口中缺失的属性问题。这使得使用旧版本接口的代码能够继续正常工作,同时为迁移到新接口提供了过渡期。
这个改进体现了 Starknet.js 对开发者体验的重视,在引入新特性的同时,尽量减少对现有代码的影响。
总结
Starknet.js v7.4.0 版本通过增强类型安全、增加跨链功能、强化安全检查等多方面改进,进一步提升了开发者在 Starknet 生态中的开发体验和安全性。这些变更不仅反映了 Starknet 协议本身的演进,也展现了 SDK 团队对开发者需求的深入理解。
对于正在使用 Starknet.js 的开发者,建议关注交易收据处理、跨链消息和安全性方面的改进,适时调整代码以利用这些新特性。随着 Starknet 生态的不断发展,Starknet.js 将持续提供必要的工具支持,降低区块链开发的门槛。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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