Foundry项目中的Prank机制深度解析与正确使用姿势
2025-05-26 09:30:10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
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
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
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210