Foundry项目中的多匹配构件问题解析与解决方案
2025-05-26 19:46:31作者:宣利权Counsellor
背景介绍
Foundry是一个流行的区块链开发工具套件,它提供了编译、测试和部署智能合约的一站式解决方案。在最新版本的Foundry(0.3.0)中,用户在使用forge test命令时可能会遇到一个特定错误:"[FAIL: vm.getDeployedCode: multiple matching artifacts found]"。这个问题通常出现在项目配置了多个编译配置的情况下。
问题本质
当智能合约项目设置了不同的编译配置(如"default"和"dispute"等不同profile)时,Foundry可能会为同一个合约生成多个构件(artifacts)。在测试环境中,当虚拟机(vm)尝试通过getDeployedCode获取已部署合约的代码时,系统发现了多个匹配的构件文件,无法确定应该使用哪一个,从而导致测试失败。
问题复现条件
- 项目配置了多个编译profile(如通过compilation_restrictions设置)
- 同一个合约在不同profile下被编译
- 测试中使用了vm.getDeployedCode这类需要明确构件引用的操作码
技术原理分析
在Foundry的架构中,每个编译profile会生成独立的构件目录。当测试运行时,虚拟机需要加载合约的字节码来模拟部署。系统会搜索构件目录来找到匹配的合约代码。当同一个合约在多个profile下都存在时,系统无法自动确定应该使用哪个版本的构件。
解决方案
Foundry团队已经通过PR #9714解决了这个问题。新版本的逻辑是:
- 优先选择与当前测试相同profile下编译的构件
- 如果不存在,再回退到其他profile的构件
这种处理方式更加合理,因为它保持了编译环境的一致性。例如,如果测试是在"dispute" profile下运行的,那么它应该使用"dispute" profile下编译的合约代码。
最佳实践建议
- 明确编译配置:在foundry.toml中清晰地定义各个profile的用途和区别
- 避免不必要的多profile编译:除非确实需要,否则尽量减少同一合约在不同profile下的编译
- 升级Foundry版本:确保使用包含修复的版本(0.3.0或更高)
- 检查测试环境一致性:确保测试运行的profile与期望使用的构件profile一致
总结
多匹配构件问题是Foundry在支持多编译配置时遇到的一个典型挑战。通过理解其背后的技术原理和解决方案,开发者可以更好地组织项目结构,避免类似问题的发生。Foundry团队对此问题的快速响应也展示了该项目对开发者体验的重视。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 中兴e读zedx.zed文档阅读器V4.11轻量版:专业通信设备文档阅读解决方案 PANTONE潘通AI色板库:设计师必备的色彩管理利器 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
405
3.14 K
Ascend Extension for PyTorch
Python
226
251
暂无简介
Dart
672
159
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++
663
319
🎉 (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
1.21 K
657
React Native鸿蒙化仓库
JavaScript
262
325
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868