Hardhat项目中Solidity测试的合约过滤问题解析
2025-05-29 13:12:06作者:裴麒琰
问题背景
在Hardhat项目的测试过程中,开发团队遇到了一个典型的测试环境配置问题。当运行Solidity测试时,系统抛出了"EvmError: Revert"错误,具体发生在测试的setUp()阶段。这个问题出现在pcaversaccio/createx项目中,错误指向了ERC20MockPayable合约的构造函数。
问题本质
经过深入分析,发现问题的根源在于测试框架错误地将非测试合约包含在了测试环境中。具体来说,EDR Solidity Test被传递了不应该作为测试合约的常规合约(如ERC20MockPayable),而这些合约可能包含不适合在测试环境中直接运行的构造函数逻辑。
技术原理
在Solidity测试框架中,通常需要明确区分两类合约:
- 测试合约:包含实际测试逻辑,继承自测试框架的基类(如DSTest)
- 辅助合约:包括模拟合约(Mock)、工具合约等,用于支持测试运行
当测试框架错误地将辅助合约当作测试合约加载时,会尝试执行它们的构造函数,这可能导致各种意外行为,包括本例中的revert错误。
解决方案
目前团队采取的临时解决方案是通过ABI分析来过滤传入的合约工件(artifacts),仅保留真正的测试合约。这是一种实用的权宜之计,但长远来看,测试框架应该具备更智能的合约分类能力。
最佳实践建议
为了避免类似问题,建议开发者:
- 明确区分测试合约和辅助合约的文件位置(如分别放在不同目录)
- 在测试配置中明确指定哪些合约应该作为测试运行
- 确保模拟合约的构造函数逻辑足够健壮,即使在意外情况下也不会失败
- 考虑使用测试框架提供的合约标记功能(如特定注解或命名约定)
未来改进方向
从框架设计角度看,理想的解决方案应包括:
- 自动识别测试合约的能力(如通过继承关系检查)
- 更清晰的错误提示,帮助开发者快速定位配置问题
- 支持更灵活的合约加载策略配置
总结
这个案例展示了测试环境配置在Solidity开发中的重要性。正确的合约分类和加载策略不仅能避免类似错误,还能提高测试的可靠性和执行效率。随着Hardhat等工具的持续演进,我们期待看到更智能、更健壮的测试框架功能出现,进一步简化开发者的测试工作流程。
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
405
3.14 K
Ascend Extension for PyTorch
Python
225
251
暂无简介
Dart
672
159
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++
663
319
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
657
React Native鸿蒙化仓库
JavaScript
262
325
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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868