Hardhat 3 Alpha版本发布:Viem测试断言插件重磅登场
项目简介
Hardhat是区块链开发环境中广受欢迎的开发者工具套件,为智能合约开发提供了编译、测试、部署和调试等全流程支持。作为区块链生态中最主流的开发框架之一,Hardhat以其模块化设计和丰富的插件生态著称。
新版本核心特性
Hardhat 3 Alpha最新版本(v3.0.0-next.12)引入了一个重要更新——全新的@nomicfoundation/hardhat-viem-matchers插件。这个插件专门为使用Viem客户端库的开发者设计,提供了一系列针对区块链开发的测试断言功能。
插件集成方式
当开发者通过hardhat --init命令初始化一个新的Viem项目时,这个测试断言插件会被自动包含在项目依赖中。这种无缝集成的设计大大简化了开发者的配置工作,让开发者可以立即开始编写测试用例。
插件功能详解
@nomicfoundation/hardhat-viem-matchers插件提供了多种专为区块链测试设计的断言方法,其中最典型的是balancesHaveChanged断言。
余额变化断言示例
const { viem } = await hre.network.connect();
const [bobWalletClient, aliceWalletClient] = await viem.getWalletClients();
await viem.assertions.balancesHaveChanged(
bobWalletClient.sendTransaction({
to: aliceWalletClient.account.address,
value: 1000000000000000n,
}),
[
{
address: aliceWalletClient.account.address,
amount: 1000000000000000n,
},
],
);
这段代码展示了如何测试一笔转账交易对账户余额的影响。开发者可以明确指定预期哪些地址的余额应该发生怎样的变化,插件会自动验证这些预期是否与实际交易结果一致。
其他断言功能
除了余额变化断言外,该插件还提供了多种其他测试辅助功能,包括但不限于:
- 交易事件触发验证
- 合约状态变化断言
- 交易回滚情况测试
- Gas消耗量验证
这些断言方法大大简化了智能合约测试的编写过程,让开发者能够更专注于业务逻辑的验证,而不必手动编写大量的断言代码。
技术价值分析
这个新插件的引入具有多重技术价值:
-
测试效率提升:通过提供专门的区块链测试断言,减少了开发者编写重复性验证代码的时间。
-
代码可读性增强:专门的断言方法使测试代码更加语义化,更容易理解和维护。
-
错误预防:内置的断言逻辑处理了许多边缘情况,减少了因测试代码错误导致的误判。
-
与Viem生态深度集成:作为Hardhat Viem工具箱的一部分,提供了与Viem客户端库的无缝协作体验。
开发者实践建议
对于准备使用这个新功能的开发者,建议:
-
熟悉Viem基础:在使用这些断言前,确保对Viem客户端库有基本了解。
-
渐进式采用:可以先在部分测试用例中尝试使用这些断言,逐步替换原有的手动验证代码。
-
结合类型提示:TypeScript的类型系统可以很好地与这些断言配合使用,提供更好的开发体验。
-
关注交易生命周期:理解区块链交易的生命周期对于正确使用这些断言至关重要。
未来展望
随着Hardhat 3正式版的临近,可以预期Viem相关的工具链会继续丰富和完善。这个测试断言插件的加入标志着Hardhat对Viem生态支持的进一步深化,未来可能会看到更多围绕Viem的开发者工具被集成到Hardhat生态中。
对于智能合约开发者而言,现在正是探索和适应这些新工具的好时机,以便在正式版发布时能够充分利用这些改进带来的开发效率提升。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00