Scaffold-ETH 2项目中Foundry部署时AST属性未定义的解决方案
在Scaffold-ETH 2项目中使用Foundry进行智能合约部署时,开发者可能会遇到一个与AST(抽象语法树)属性相关的错误。这个问题主要出现在合约部署过程的最后阶段,当系统尝试生成TypeScript ABIs时。
问题现象
当开发者使用Foundry模板创建新的Scaffold-ETH 2项目并执行部署命令时,控制台会抛出以下错误:
TypeError: Cannot read properties of undefined (reading 'nodes')
这个错误表明系统在尝试访问合约artifact中的AST节点时遇到了未定义的属性。
问题根源
经过分析,这个问题源于generateTsAbis.js脚本中的getInheritedFromContracts函数。该函数假设所有合约artifact都包含AST信息,但实际上某些情况下artifact可能不包含AST属性。当脚本尝试访问不存在的AST属性时,就会导致上述错误。
解决方案
针对这个问题,我们可以在访问AST属性前添加防御性检查。修改后的getInheritedFromContracts函数应该如下:
function getInheritedFromContracts(artifact) {
let inheritedFromContracts = [];
if('ast' in artifact) {
for (const astNode of artifact.ast.nodes) {
if (astNode.nodeType == "ContractDefinition") {
if (astNode.baseContracts.length > 0) {
inheritedFromContracts = astNode.baseContracts.map(
({ baseName }) => baseName.name
);
}
}
}
}
return inheritedFromContracts;
}
技术细节
-
AST的作用:AST(抽象语法树)是编译器将源代码转换为树状结构表示的过程,它包含了代码的结构信息。在Solidity中,AST用于分析合约的继承关系和其他结构特征。
-
防御性编程:在访问可能不存在的对象属性时,最佳实践是进行前置检查。这里我们使用
'ast' in artifact来确保artifact对象包含AST属性。 -
向后兼容:这种修改不会影响正常情况下的功能,只是增加了对异常情况的处理,提高了代码的健壮性。
实施建议
对于遇到此问题的开发者,建议:
- 检查项目中
packages/foundry/script/generateTsAbis.js文件 - 按照上述方案修改
getInheritedFromContracts函数 - 重新运行部署命令验证问题是否解决
这个问题虽然不会影响合约的实际部署,但会导致ABI生成过程中断,影响后续的开发流程。通过上述修改,可以确保部署过程顺利完成,为后续开发工作奠定基础。
总结
在智能合约开发中,处理编译器生成的artifact时需要特别注意其结构的可变性。Scaffold-ETH 2项目通过这次修复,提高了对Foundry生成artifact的兼容性,为开发者提供了更稳定的开发体验。
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