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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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