Foundry项目中的Prank机制深度解析与正确使用姿势
2025-05-26 20:12:18作者:谭伦延
理解Foundry的Prank机制
Foundry测试框架中的Prank功能是模拟交易发送者的重要工具,它允许开发者修改合约调用时的msg.sender值。这个功能在测试权限控制、多账户交互等场景下非常有用。
典型问题场景分析
在测试过程中,开发者可能会遇到这样的情况:当尝试嵌套使用vm.startPrank()时,发现第二次调用后的msg.sender没有按预期恢复为前一个Prank设置的地址。这实际上是由于对Prank机制的工作原理理解不够深入导致的。
Prank机制的工作原理
Foundry的Prank机制有以下几个关键特性:
-
单层Prank:当使用单个
startPrank和stopPrank时,stopPrank会将msg.sender恢复为测试合约地址(address(this)) -
嵌套Prank:Prank的"堆栈"是基于调用深度(call depth)维护的,而不是简单的线性堆栈。在同一调用深度下,新的Prank会完全覆盖前一个Prank
-
应用时机:Prank必须在被实际应用(即至少有一次合约调用)后才能被覆盖
正确的Prank使用模式
简单场景
function testSimplePrank() external {
vm.startPrank(userA);
// 这里的msg.sender是userA
someContract.doSomething();
vm.stopPrank();
// 这里的msg.sender恢复为address(this)
}
嵌套场景
function testNestedPrank() external {
vm.startPrank(userA);
someContract.doSomething(); // 必须先应用一次
vm.startPrank(userB);
someContract.doSomethingElse();
vm.stopPrank();
// 需要显式恢复为userA
vm.startPrank(userA);
someContract.doAnotherThing();
vm.stopPrank();
}
常见误区与解决方案
-
误区一:认为Prank会自动堆叠恢复
- 解决方案:每次切换Prank都需要显式设置
-
误区二:未应用Prank就尝试覆盖
- 解决方案:确保在覆盖前至少有一次合约调用
-
误区三:忽略调用深度的影响
- 解决方案:理解Prank是基于调用深度而非简单堆栈
最佳实践建议
- 保持Prank的作用域尽可能小
- 为每个测试用例编写清晰的注释,说明预期的发送者
- 考虑使用辅助函数来管理复杂的Prank场景
- 在测试中增加
console.log输出当前msg.sender以验证行为
通过深入理解Foundry的Prank机制并遵循这些最佳实践,开发者可以更有效地编写可靠的智能合约测试用例。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
热门内容推荐
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
deepin linux kernel
C
31
16
Ascend Extension for PyTorch
Python
652
797
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.25 K
153
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.1 K
611
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.01 K
1.01 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
147
237
昇腾LLM分布式训练框架
Python
168
200
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
434
395
暂无简介
Dart
986
253