Sei Chain中EVM交易哈希处理机制解析
背景介绍
在Sei区块链网络中,开发者发现了一个关于EVM交易哈希处理的特殊情况。当通过JSON-RPC接口查询特定区块的交易收据时,系统返回了一个看似无效的EVM交易哈希。这一现象揭示了Sei Chain在处理混合交易类型时的一些底层机制。
问题现象分析
在区块高度98182138(十六进制0x5da23fa)中,使用eth_getBlockByNumber查询返回了5个有效的EVM交易哈希。然而,当使用eth_getBlockReceipts查询同一区块时,却返回了6个交易哈希,其中包含一个额外的哈希值0x20060de0db9b36ccc8006267b254ea4526739bd95493c51fe3a82952fdbb4cb0。
进一步调查发现,这个额外的哈希值实际上对应的是一个原生Cosmos交易,而非标准的EVM交易。这个交易通过某种方式与EVM交互并产生了日志,因此被包含在交易收据查询结果中,但在标准的EVM交易查询接口中却无法找到。
技术原理
这一现象揭示了Sei Chain的几个重要技术特点:
-
混合交易处理机制:Sei Chain支持原生Cosmos交易与EVM交易的互操作。某些Cosmos交易可以直接与EVM合约交互并产生状态变更和日志。
-
交易收据生成逻辑:系统会为所有产生EVM状态变更的交易生成收据,无论其原始交易类型是Cosmos交易还是EVM交易。
-
RPC接口差异:标准EVM接口如
eth_getTransactionByHash只能查询到纯EVM交易,而收据接口则会包含所有影响EVM状态的交易。
解决方案演进
在Sei Chain的后续版本中,开发团队对这一行为进行了调整:
-
v5.9.0版本变更:移除了通过标准EVM RPC接口返回这类混合交易的功能,改为通过专门的
sei_*自定义RPC方法提供这类信息。 -
接口分离:将原生Cosmos交易与EVM交易的查询接口明确分离,提高了接口的一致性和可预测性。
开发者建议
对于在Sei Chain上开发的DApp开发者,应当注意以下几点:
-
当需要查询影响EVM状态的所有交易时,应同时考虑使用标准EVM接口和Sei专用接口。
-
在交易哈希处理逻辑中,需要考虑到哈希值可能对应不同类型的交易。
-
升级到v5.9.0及以上版本时,注意相关接口行为的变化,及时调整应用逻辑。
总结
这一案例展示了区块链系统中多虚拟机环境下的复杂交互场景。Sei Chain通过不断优化接口设计,在保持兼容性的同时提高了系统的清晰度和开发者体验。理解这些底层机制对于在Sei生态中构建稳健的DApp至关重要。
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