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。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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