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
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust024
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
暂无描述
Dockerfile
678
4.33 K
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.57 K
911
deepin linux kernel
C
28
16
暂无简介
Dart
923
228
Ascend Extension for PyTorch
Python
518
630
全称:Open Base Operator for Ascend Toolkit,哈尔滨工业大学AISS团队基于Ascend C打造的高性能昇腾算子库。
C++
46
52
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
1.07 K
559
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
399
305
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.35 K
110
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
134
212