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。
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