Account Abstraction项目中DelegateCall返回数据的获取问题分析
背景介绍
在区块链智能合约开发中,delegatecall是一个非常重要的底层操作码,它允许一个合约在另一个合约的上下文中执行代码,同时保持原始合约的存储状态。在Account Abstraction项目中,Exec.sol合约提供了delegateCall和getReturnData等函数来简化这些底层操作的使用。
问题现象
开发者在尝试使用Exec.delegateCall进行委托调用后,发现无法通过Exec.getReturnData正确获取委托调用的返回数据。具体表现为returndatasize始终返回0,而实际上委托调用确实产生了返回数据。
技术原理
这个问题涉及到虚拟机中关于返回数据处理的几个关键点:
-
返回数据的生命周期:虚拟机中,每次调用操作(
call/delegatecall/staticcall)的返回数据只在下一个调用操作前有效。一旦执行了新的调用操作,之前的返回数据就会被覆盖。 -
调试输出的影响:在测试代码中使用调试工具进行输出时,实际上这是一个新的合约调用操作,它会清除之前
delegatecall的返回数据。 -
执行顺序的重要性:要正确获取返回数据,必须在任何新的调用操作之前读取
returndatasize和returndata。
解决方案
要正确获取delegatecall的返回数据,开发者需要:
-
立即处理返回数据:在
delegatecall之后,立即调用getReturnData获取数据,不要在这之间插入任何其他调用操作。 -
避免中间调用:特别要注意调试语句的影响,它们会清除返回数据。
-
使用内联汇编验证:可以通过内联汇编直接检查
returndatasize,这不会影响返回数据的状态。
最佳实践
在Account Abstraction项目中使用委托调用时,建议采用以下模式:
function safeDelegateCall(address target, bytes memory data) internal returns (bytes memory) {
(bool success, bytes memory returndata) = target.delegatecall(data);
if (!success) {
// 处理失败情况
}
return returndata;
// 注意:不要在这之前插入任何其他调用
}
总结
理解虚拟机中返回数据的处理机制对于正确使用delegatecall等底层操作至关重要。在Account Abstraction项目中,开发者需要特别注意getReturnData的调用时机,避免在获取返回数据前执行任何可能清除返回数据的操作。通过遵循正确的调用顺序和模式,可以确保委托调用的返回数据被正确捕获和处理。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。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。Python02
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
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
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).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00