Plutus项目中的goldenBudget测试改进方案
2025-07-10 17:26:24作者:蔡怀权
在Plutus项目的测试体系中,goldenBudget测试是一个用于验证合约执行成本预算的重要工具。然而,当前实现存在一个明显的不足:它仅显示预算结果而不展示实际执行结果,这在测试验证过程中可能会带来一些问题。
当前实现的问题分析
目前goldenBudget测试的实现方式存在以下局限性:
-
结果验证缺失:测试仅关注预算值,而忽略了执行结果的正确性验证。这意味着即使预算值符合预期,但如果执行结果错误,测试仍然会通过,这显然是不合理的。
-
代码重复:在实际测试用例中,开发人员不得不为同一个测试编写两段代码:一段用于验证执行结果,另一段用于验证预算。这不仅增加了维护成本,也降低了代码的可读性。
改进方案建议
针对上述问题,技术团队提出了以下改进方向:
1. 集成结果验证功能
最直接的解决方案是在goldenBudget测试中同时验证执行结果。这样做的优势在于:
- 确保预算验证的前提(执行结果正确)得到满足
- 减少重复测试代码
- 提高测试的完整性和可靠性
2. 灵活的测试组合
考虑到不同测试场景的需求差异,可以设计三种测试模式:
- 仅预算测试:专注于成本预算验证
- 仅结果测试:专注于执行结果验证
- 预算+结果组合测试:同时验证两者
这种设计既保持了灵活性,又能满足大多数场景下同时验证预算和结果的需求。
实现考量
在具体实现时,需要注意以下几点:
-
错误隔离:当组合测试失败时,需要明确区分是预算不匹配还是结果不正确,以便开发者快速定位问题。
-
向后兼容:现有测试用例应能继续工作,新的组合测试功能应作为扩展提供。
-
测试粒度:保持细粒度的测试反馈,确保开发者能准确了解测试失败的具体原因。
技术实现示例
可以采用类似以下的实现方式:
goldenEvalCekCatchBudget :: String -> CompiledCode a -> TestTree
goldenEvalCekCatchBudget label code = testGroup label
[ goldenEvalCekCatch label code
, goldenBudget label code
]
这种实现方式既保持了原有测试的独立性,又提供了组合测试的便利性,同时确保了测试失败的精确反馈。
总结
在智能合约开发中,执行成本和执行结果的正确性同等重要。Plutus项目通过改进goldenBudget测试,使其能够同时验证这两方面,将显著提高测试的可靠性和开发效率。这一改进不仅解决了当前测试体系中的不足,也为未来的测试扩展奠定了良好的基础。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0176
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0100
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
BitCPM-CANN-8BBitCPM-CANN 是首个基于华为昇腾 NPU 原生构建的端到端 1.58 位(三值化)大语言模型训练系统。该系统将量化感知训练(QAT)集成到 Megatron-LM 框架中,并结合 MindSpeed 加速,覆盖了从自定义三值算子到基于昇腾 910B 的分布式并行训练的完整训练栈。Python00
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook04
inference通过更改一行代码,您可以在应用程序中用另一个大型语言模型(LLM)替换OpenAI GPT。Xinference赋予您使用任何所需LLM的自由。借助Xinference,您能够在云端、本地、甚至笔记本电脑上运行任何开源语言模型、语音识别模型和多模态模型的推理。Python02
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
750
4.89 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
842
1.85 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
641
1.28 K
Ascend Extension for PyTorch
Python
693
841
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
452
423
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++
1.02 K
1.05 K
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
1.61 K
174
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
962
567
昇腾LLM分布式训练框架
Python
174
214
暂无简介
Dart
1 K
253