Safe智能账户项目中代理创建事件的盐值随机数改进
在区块链应用开发中,事件日志是链下服务获取链上状态变化的重要途径。Safe智能账户项目近期对其代理合约创建机制进行了一项重要改进,增加了盐值随机数(salt nonce)的事件记录功能。这项改进为开发者提供了更完整的数据索引能力,同时保持了良好的向后兼容性。
技术背景
Safe智能账户使用代理工厂模式来部署新的Safe合约实例。在创建过程中,系统会生成一个独特的代理地址,这个地址由以下因素决定:
- 工厂合约地址
- 初始化代码
- 盐值随机数(salt nonce)
盐值随机数是确保每次部署都能生成不同地址的关键参数。在改进前,虽然系统会发出ProxyCreated事件,但该事件不包含盐值随机数信息,这给需要完整记录创建过程的链下服务带来了不便。
改进方案
项目团队采用了最小化变更原则来实现这一需求:
-
保持原有事件结构不变:原有的ProxyCreated事件继续存在,确保不影响现有监听该事件的应用程序。
-
新增盐值随机数事件:引入一个新的事件类型,专门携带盐值随机数信息。这种设计既满足了新需求,又完全避免了破坏性变更。
-
事件关联性:两个事件在同一个交易中发出,通过交易哈希可以轻松关联起来。
技术意义
这项改进带来了几个重要优势:
-
完整审计追踪:现在可以完整记录每个Safe账户创建时的所有关键参数,包括盐值随机数。
-
增强的索引能力:链下索引服务可以基于盐值随机数建立更完善的查询机制。
-
灵活的集成选择:新老系统可以根据自身需求选择监听一个或两个事件。
-
无迁移成本:现有系统可以继续工作,无需任何修改。
实现考量
在实现过程中,开发团队特别注意了以下方面:
-
Gas成本优化:新增事件的Gas消耗经过仔细评估,确保不会显著增加部署成本。
-
数据一致性:确保两个事件中的其他字段完全一致,避免数据歧义。
-
文档更新:相关文档同步更新,明确说明新旧事件的使用方式。
这项改进体现了Safe项目对开发者体验的重视,通过精心设计的事件机制,既满足了新需求,又保护了现有集成的稳定性。对于构建在Safe之上的应用和服务来说,这意味着更强大的数据可观测性和更灵活的集成选项。
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