Ethers.js 6.11.0版本改进:Contract构造函数支持Addressable类型参数
在区块链智能合约开发中,ethers.js库是最受欢迎的JavaScript工具之一。最近在ethers.js 6.9.2版本中,用户发现了一个关于Contract构造函数参数类型的限制问题,该问题已在6.11.0版本中得到解决。
问题背景
在之前的ethers.js版本中,当开发者尝试使用ContractFactory部署合约后,再基于已部署合约的地址创建新的Contract实例时,会遇到类型检查问题。具体表现为:
- 开发者首先使用ContractFactory部署合约,得到一个已部署的合约实例
- 然后尝试使用这个已部署合约的地址(通过contract.target获取)来创建新的Contract实例
- 但构造函数会报错,提示地址参数不是字符串类型
这种限制在实际开发中造成了不便,因为contract.target返回的是一个Addressable类型,而不是纯字符串。
技术细节
Addressable是ethers.js中定义的一个接口,表示任何具有地址属性的对象。在智能合约交互中,很多情况下我们处理的不是简单的地址字符串,而是具有地址属性的对象,比如:
- 已部署的合约实例
- 钱包对象
- 其他智能合约的代理
在6.9.2及之前版本中,Contract构造函数严格检查地址参数是否为字符串类型,这在实际使用中显得过于严格。
解决方案
ethers.js团队在6.11.0版本中对此进行了改进,现在Contract构造函数能够接受以下类型的地址参数:
- 传统的字符串形式的地址
- 任何实现了Addressable接口的对象(即具有address或target属性的对象)
- Promise形式的上述两种类型
这意味着开发者现在可以更灵活地传递地址参数,特别是可以直接使用已部署合约实例的target属性,而不需要先转换为字符串。
实际应用示例
// 部署合约
const factory = new ContractFactory(abi, bytecode, wallet);
const deployedContract = await factory.deploy();
// 6.11.0之前需要这样写
const addressString = deployedContract.target.toString();
const contract1 = new Contract(addressString, abi, wallet);
// 6.11.0之后可以直接这样写
const contract2 = new Contract(deployedContract.target, abi, wallet);
升级建议
对于正在使用ethers.js 6.9.2或更早版本的开发者,建议升级到6.11.0或更高版本以获得这一改进。升级后可以简化代码,减少不必要的类型转换,提高代码的可读性和健壮性。
总结
ethers.js 6.11.0对Contract构造函数的这一改进,体现了项目团队对开发者体验的持续关注。通过支持Addressable类型参数,使得与智能合约交互的代码更加简洁直观,减少了样板代码,提高了开发效率。这也是ethers.js作为一个成熟的区块链开发库不断进化的例证。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00