FuelLabs/fuels-ts 项目实现签名数据类型的技术解析
在区块链开发中,消息签名是一个基础且重要的功能。FuelLabs/fuels-ts 项目近期实现了对签名数据类型的支持,这一改进使得开发者能够请求对任意字节码进行签名,并遵循特定的签名规范。
签名数据类型的背景与需求
在区块链生态中,EIP-191 定义了一个标准化的消息签名格式。该标准要求对消息进行哈希处理,并在哈希前添加特定的前缀文本"Fuel Signed Message:\n"。FuelLabs/fuels-ts 项目需要实现类似的功能,但针对自己的区块链环境进行适配。
技术实现方案
项目团队经过讨论,确定了以下技术实现要点:
-
前缀文本定制化:采用"Fuel Signed Message:\n"作为前缀,区别于其他区块链的实现,保持自身生态的独特性。
-
哈希算法选择:虽然其他区块链使用keccak256算法,但FuelLabs/fuels-ts项目决定继续使用sha256算法,保持与现有系统的一致性。
-
向后兼容设计:为了避免破坏现有合约和谓词,实现采用了非破坏性的混合方案。开发者可以选择使用传统方式或新的签名数据类型。
实现细节
签名功能的实现提供了两种调用方式:
// 传统方式 - 直接签名字符串或字节
signMessage('string' || bytes)
// 新方式 - 使用签名数据类型
signMessage({ raw: .... })
这种设计既保留了原有功能,又新增了对EIP-191风格签名的支持。在内部实现上,当使用新方式时,系统会对原始数据进行以下处理:
- 添加"Fuel Signed Message:\n"前缀
- 使用sha256算法计算哈希值
- 对哈希结果进行签名
技术决策考量
在实现过程中,团队面临了几个关键决策点:
-
哈希算法选择:虽然keccak256在其他区块链生态中广泛使用,但考虑到Fuel链的技术栈和一致性要求,最终选择了sha256。
-
前缀处理:决定不对现有实现强制添加前缀,避免破坏已部署的智能合约和谓词逻辑。
-
API设计:采用了显式的数据类型区分,使开发者能够清晰地选择所需的签名方式。
开发者使用建议
对于开发者来说,在使用这一功能时应注意:
- 明确签名数据的预期用途,选择适当的签名方式
- 在跨链场景中注意前缀和哈希算法的差异
- 新项目建议使用新的签名数据类型,以获得更好的标准化支持
这一实现为Fuel生态系统提供了更灵活的签名能力,同时也为未来的跨链互操作性奠定了基础。开发者现在可以更安全地在Fuel链上实现各种需要消息签名的应用场景。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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