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 16:57:21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
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
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
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
HunyuanVideo-1.5暂无简介00
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 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
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
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
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
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
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
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210