Starknet.js v7.0.0-beta.1 发布:RPC 0.8 与 V3 交易支持详解
Starknet.js 是区块链二层扩容解决方案 Starknet 的官方 JavaScript SDK,它为开发者提供了与 Starknet 区块链交互的完整工具集。作为 Starknet 生态中最核心的开发库之一,Starknet.js 承担着连接前端应用与 Starknet 网络的重要桥梁作用。
近日,Starknet.js 发布了具有里程碑意义的 v7.0.0-beta.1 版本,这个版本带来了对 Starknet RPC 0.8 规范的完整支持,并引入了备受期待的 V3 交易类型。这些更新不仅代表了技术栈的重大演进,也为 Starknet 生态带来了更强大的功能和更高效的交互方式。
RPC 0.8 规范支持
RPC(远程过程调用)是 Starknet.js 与 Starknet 节点通信的核心协议。v7.0.0-beta.1 版本中,Starknet.js 正式将默认 RPC 版本升级至 0.8,同时移除了对旧版 RPC 0.6 的支持。这一变化带来了几个关键改进:
-
性能优化:RPC 0.8 在数据传输和请求处理方面进行了多项优化,显著提升了节点与客户端之间的通信效率。
-
API 结构调整:新版 RPC 对部分 API 端点和方法进行了重新设计,使其更加符合开发者直觉,同时增强了类型安全性。
-
错误处理改进:错误代码和消息更加标准化,便于开发者诊断和处理各类网络问题。
-
批量请求支持:增强了对批量 RPC 请求的处理能力,适合需要同时执行多个查询的场景。
V3 交易类型引入
V3 交易是 Starknet 网络中的新一代交易格式,它解决了现有交易类型的多个局限性,并为未来的功能扩展奠定了基础:
-
资源定价分离:V3 交易将计算资源(计算步骤)和存储资源(存储写入)分开定价,使费用模型更加精细和公平。
-
支付灵活性:支持使用任意代币支付交易费用,不再局限于特定代币,大大提升了用户体验。
-
账户抽象增强:为智能合约账户提供了更多自定义逻辑的可能性,使账户行为可以更加灵活。
-
非ce管理改进:引入了更先进的 nonce 管理机制,支持并行交易处理等高级用例。
迁移注意事项
由于这是一个主版本更新,开发者需要注意以下不兼容变更:
-
RPC 0.6 移除:项目如果仍在使用 RPC 0.6 接口,需要先升级节点至支持 RPC 0.8 的版本,再迁移客户端代码。
-
交易构建API变更:创建交易时需要使用新的 V3 交易构建器,原有的交易构建方式已被标记为废弃。
-
类型定义调整:多个核心接口的类型定义发生了变化,需要检查类型相关的代码。
-
错误处理更新:捕获和处理 RPC 错误的方式可能需要相应调整以适应新的错误代码体系。
开发者实践建议
对于准备升级到 v7.0.0-beta.1 的开发者,建议采取以下步骤:
-
测试环境验证:先在测试网络上验证现有功能,确保兼容性。
-
渐进式迁移:对于复杂项目,可以考虑逐步迁移模块,而非一次性全量升级。
-
关注交易费用变化:V3 交易的费用计算逻辑有所不同,需要重新评估和调整费用预估策略。
-
利用类型检查:TypeScript 用户应充分利用增强的类型系统,在编译时捕获潜在问题。
-
查阅更新日志:详细阅读版本变更说明,了解每个 API 的具体变化。
未来展望
随着 Starknet.js v7.0.0 的正式发布临近,Starknet 生态系统将迎来更加稳定和强大的开发工具链。RPC 0.8 和 V3 交易的引入不仅解决了当前的技术债务,还为以下方向铺平了道路:
-
更复杂的账户模型:支持更灵活的账户抽象实现。
-
跨链交互增强:为未来的跨链交易提供基础支持。
-
费用优化:更精细的资源定价模型将带来更公平的费用分配。
-
开发者体验提升:简化的 API 设计和更强的类型安全将降低开发门槛。
Starknet.js v7.0.0-beta.1 的发布标志着 Starknet 开发者工具的重要进化,虽然升级过程可能需要一些适应,但长远来看,这些改进将显著提升开发效率和用户体验。开发者应尽早开始评估升级计划,以充分利用新版本带来的各项优势。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00