Hardhat 3.0.0-next.7 版本更新解析
Hardhat 是一个专为区块链开发者设计的开发环境,它提供了编译、部署、测试和调试智能合约的一整套工具链。作为区块链生态中最流行的开发框架之一,Hardhat 正在向 3.0 版本迈进,本次发布的 3.0.0-next.7 是 3.0 版本的一个 Alpha 预发布版本,包含了一些重要的改进和错误修复。
核心变更与功能增强
网络连接接口重构
本次更新对 hre.network.connect() 方法的签名进行了重构,现在它接受一个参数对象而不是直接参数。这一变更使得 API 更加灵活和可扩展,为未来可能添加的新功能预留了空间。开发者现在需要按照新的方式调用该方法:
// 旧方式(不再支持)
hre.network.connect("http://localhost:8545");
// 新方式
hre.network.connect({ url: "http://localhost:8545" });
JSON RPC 处理改进
修复了 JSON RPC 处理器中未定义参数的处理问题。现在,当 RPC 请求中包含未定义的参数时,系统能够正确处理而不会抛出异常。这一改进增强了框架的健壮性,特别是在处理来自不同客户端或工具的 RPC 请求时。
交易哈希错误修复
移植了一个关于交易哈希处理的错误修复到 v3 版本中。这个修复确保了交易哈希在各种情况下的正确生成和验证,特别是在涉及复杂交易场景时。
Solidity 编译输出配置
现在开发者可以在 Hardhat 配置中更灵活地配置 Solidity 编译器的输出选择。这一改进允许开发者精确控制编译后生成的输出内容,满足特定项目需求或优化构建过程。
开发者体验优化
Ignition 部署默认设置
Ignition 部署现在默认使用生产构建,这有助于减少部署过程中的潜在问题,并确保生产环境的一致性。开发者仍然可以根据需要覆盖这一默认设置。
测试报告错误信息改进
Hardhat Node 测试报告现在为正则表达式匹配断言失败提供了更清晰的错误信息。这使得在测试失败时,开发者能够更快地定位问题所在,特别是在使用正则表达式进行复杂匹配的场景中。
命令行参数解析增强
现在支持在命令行中使用等号形式指定选项(如 --option=123)。这一改进使得命令行参数传递更加灵活,与许多其他工具的参数传递方式保持一致,提高了开发者的使用体验。
项目初始化改进
修复了 init 任务中关于项目文件夹创建的问题。现在,如果指定的项目文件夹不存在,Hardhat 会自动创建它,简化了项目初始化的流程。
网络配置增强
网络配置中的 chains 字段已被重命名为 chainDescriptors,并添加了额外的信息,包括链名称和区块浏览器。这一变更使得网络配置更加语义化,同时提供了更多有用的元数据,便于开发者理解和配置不同的区块链网络。
总结
Hardhat 3.0.0-next.7 虽然是一个预发布版本,但包含了许多重要的改进和错误修复,这些变更主要集中在提升开发者体验、增强框架稳定性和扩展配置灵活性方面。对于正在考虑升级到 Hardhat 3.0 的开发者来说,这个版本值得关注,特别是那些需要更精细控制 Solidity 编译输出或使用复杂网络配置的项目。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00