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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00