Hardhat项目中TypeScript与ethers扩展功能的类型问题解析
在使用Hardhat进行智能合约开发时,TypeScript开发者可能会遇到一些关于ethers扩展功能的类型问题。本文将深入分析这一现象的原因,并提供完整的解决方案。
问题现象
当开发者在Hardhat项目中导入@nomicfoundation/hardhat-toolbox后,虽然hardhat命令行工具可以正常工作,但在使用tsc编译项目时会出现类型错误。典型的表现是无法识别ethers.getSigners()等扩展方法的类型定义。
根本原因
这个问题主要源于几个技术层面的因素:
-
Hardhat的特殊类型加载机制:Hardhat运行时通过特殊方式加载类型定义,而
tsc直接编译时无法获取这些定义 -
pnpm包管理器的特性:pnpm采用严格的依赖隔离策略,可能导致类型定义无法被正确解析
-
TypeScript配置差异:项目中的
tsconfig.json可能需要针对Hardhat环境进行特殊配置
解决方案
推荐方案:使用Hardhat原生命令
对于大多数开发场景,最佳实践是直接使用Hardhat提供的命令来运行TypeScript脚本:
npx hardhat run scripts/your-script.ts
这种方式完全绕过了tsc编译环节,Hardhat内部会处理所有类型定义和编译工作。
完整类型支持配置
如果需要让VSCode和tsc都能正确识别类型,可以按照以下步骤配置:
- 确保
tsconfig.json包含必要的配置项:
{
"compilerOptions": {
"target": "es2020",
"module": "commonjs",
"esModuleInterop": true,
"strict": true,
"skipLibCheck": true,
"resolveJsonModule": true
}
}
- 在项目中创建
global.d.ts文件,添加以下内容:
import "@nomicfoundation/hardhat-toolbox";
- 确保所有Hardhat相关依赖都已正确安装:
pnpm add -D @nomicfoundation/hardhat-toolbox @typechain/hardhat @nomicfoundation/hardhat-network-helpers
开发实践建议
-
IDE集成:对于VSCode用户,确保安装了TypeScript和Solidity相关插件,并重启IDE使类型定义生效
-
测试验证:编写测试时,可以直接使用
npx hardhat test命令,它会自动处理类型问题 -
环境隔离:考虑使用不同的配置来处理开发时和构建时的类型检查需求
-
依赖管理:定期更新Hardhat和相关插件,确保获得最新的类型定义
总结
Hardhat项目中的TypeScript类型问题通常不是功能性问题,而是工具链整合的配置问题。理解Hardhat的特殊类型加载机制和pnpm等包管理器的特性,可以帮助开发者更好地配置开发环境。大多数情况下,直接使用Hardhat命令而非tsc是最简单可靠的解决方案。
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