Foundry项目新增拦截合约初始化代码的作弊码功能解析
2025-05-26 07:55:08作者:邓越浪Henry
在Solidity智能合约开发中,合约部署是一个核心操作。Foundry作为流行的区块链开发工具链,近期计划通过新增vm.interceptInitcode()作弊码来优化合约部署流程,特别是针对需要获取合约初始化代码(initcode)的场景。
背景与需求
在Foundry脚本和测试中,开发者经常需要使用CREATE2工厂或自定义部署工厂(如CreateX或SubZero)来部署合约。这些场景下,开发者需要获取合约的完整初始化代码,即包含合约字节码和构造函数参数的组合数据。
目前开发者只能通过手动拼接type(ContractName).creationCode和编码后的构造函数参数来获取initcode,这种方式存在以下问题:
- 类型不安全
- 容易因合约和脚本不同步而产生错误
- 代码可读性和维护性差
技术方案
Foundry提出的解决方案是新增一个作弊码vm.interceptInitcode(),其工作原理如下:
- 当调用
vm.interceptInitcode()后,会设置一个拦截标志位 - 在下一次执行CREATE或CREATE2操作时:
- 如果拦截标志位为true,则中断部署操作
- 将完整的initcode作为错误数据放入返回缓冲区
- 通过try-catch模式捕获并获取initcode
典型使用方式如下:
vm.interceptInitcode();
bytes memory initcode;
try new MyContract(param1, param2) {
assert(false); // 确保进入catch块
} catch (bytes memory interceptedInitcode) {
initcode = interceptedInitcode;
}
实现细节
在底层实现上,需要:
- 在作弊码系统中添加
interceptingNext布尔标志 - 实现
vm.interceptInitcode作弊码函数,用于设置标志位 - 修改EVM解释器,在执行CREATE/CREATE2时检查标志位:
- 如果标志位为true,则立即回滚交易
- 将CreateInputs中的initcode作为回滚数据返回
优势与价值
这一改进带来了以下好处:
- 类型安全:直接使用Solidity的new语法,确保构造函数参数类型正确
- 代码健壮性:避免手动拼接可能导致的错误
- 开发体验:简化了需要initcode的部署场景的代码
- 明确性:通过try-catch模式明确区分了"获取initcode"和"实际部署"两种意图
总结
Foundry通过新增vm.interceptInitcode()作弊码,为开发者提供了更安全、便捷的方式来获取合约的完整初始化代码。这一改进特别适用于使用高级部署模式(如CREATE2工厂)的场景,将显著提升合约部署相关代码的可靠性和可维护性。该功能虽然可以在Solidity语言层面实现,但通过Foundry作弊码的方式能够更快地为开发者所用,体现了Foundry对开发者体验的持续关注。
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
STM32到GD32项目移植完全指南:从兼容性到实战技巧 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows解决方案 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217