Foundry项目rc-1版本发布:全面升级智能合约开发体验
Foundry作为区块链智能合约开发的一站式工具链,在rc-1版本中带来了多项重要更新和功能增强。这个版本不仅优化了核心组件Anvil、Cast和Forge的功能,还修复了大量已知问题,显著提升了开发者的使用体验。
核心组件功能增强
Anvil本地节点功能升级
rc-1版本为Anvil本地节点增加了多项实用功能。最值得注意的是新增了eth_simulateV1 RPC调用支持,这使得开发者能够更灵活地模拟交易执行。同时加入了负分叉区块号支持,为测试不同历史区块状态提供了便利。
日志系统也得到增强,现在支持trace级别的日志记录,帮助开发者更细致地调试合约交互过程。在配置方面,改进了chain-id参数的优先级处理,确保网络配置更加灵活可靠。
Cast工具链扩展
Cast作为与区块链交互的CLI工具,在rc-1中增加了多项实用命令。新增的cast txpool命令让开发者可以直接查询交易池状态,而cast wallet子命令集增加了密码修改和公钥导出功能,完善了密钥管理能力。
交易处理方面,现在支持生成未签名的原始交易,并改进了交易解码功能,会在输出中包含恢复的地址信息。存储查询命令增加了--proxy选项,当区块浏览器无法自动识别代理合约时,开发者可以手动指定代理合约地址。
Forge测试框架改进
Forge测试框架在此版本中引入了多项新特性和优化。新增了expectCreate和expectCreate2断言,使合约创建测试更加方便。访问控制测试方面,增加了accessList和冷/热存储相关的cheatcodes。
不变性测试(invariant testing)功能显著增强,现在可以显示原始和当前调用序列长度,并能将失败的调用序列生成为Solidity代码,极大方便了测试调试。新增的vm.sort和vm.shuffle cheatcodes为测试数据准备提供了更多灵活性。
重要问题修复
rc-1版本解决了多个影响开发者体验的关键问题。在Anvil中,修复了缓存路径重置问题和无效助记词处理问题。Cast工具修复了交易发送时对revert解码的panic问题,并改进了gas限制检查。
Forge测试框架修复了多项重要问题,包括:
- 优化器配置在不同profile下的正确应用
- 覆盖率计算对带参数构造函数的支持
- 修复了prank在委托调用场景下的余额设置问题
- 改进了fork状态初始化时的账户状态处理
特别值得注意的是,现在vm.expectRevert会自动去除错误消息中的"revert: "前缀,使断言更加简洁可靠。
开发者体验优化
rc-1版本在开发者体验方面做了大量改进。Forge现在支持--use-literal-content标志,可以控制源码中的字面量处理方式。新增了抑制成功测试trace输出的选项,使测试输出更加清晰。
项目初始化流程也得到优化,改进了模板处理逻辑,修复了带空格用户名环境下的安装问题。文档生成支持了MathJax,使数学公式展示更加美观。
底层架构改进
在底层架构方面,rc-1版本进行了多项重构,使各组件(Anvil、Cast、Forge、Chisel)更加模块化,更适合作为库使用。依赖管理方面移除了rustls/openssl特性,简化了构建配置。
签名处理方面改进了规范化逻辑,确保交易签名更加符合标准。新增了x86_64-musl和aarch64-musl发布目标,扩展了平台兼容性。
总结
Foundry rc-1版本通过新增功能、修复问题和优化体验,为智能合约开发者提供了更强大、更稳定的工具链。从本地节点模拟到合约测试,从交易调试到项目构建,各个环节都得到了显著提升。这些改进将帮助开发者更高效地构建和测试区块链智能合约,进一步巩固Foundry作为主流智能合约开发工具链的地位。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00