prool 的安装和配置教程
2025-05-29 22:34:09作者:韦蓉瑛
项目的基础介绍和主要的编程语言
prool 是一个提供程序化 HTTP 测试实例的开源库,用于 Ethereum。该项目主要使用 JavaScript 编程语言,并依赖于 Node.js 环境运行。prool 旨在为测试环境提供与 Ethereum 服务器实例(如 Execution Node、Bundler、Indexer 等)进行交互的工具。
项目使用的关键技术和框架
prool 使用以下技术和框架:
- Node.js:prool 运行在 Node.js 环境中,这意味着它依赖于 Node.js 运行时和 npm(Node 包管理器)。
- TypeScript:prool 的源代码使用 TypeScript 编写,这是一种基于 JavaScript 的静态类型语言,为 JavaScript 提供类型安全。
- WebSocket:prool 支持通过 WebSocket 连接与 Ethereum 服务器实例进行通信。
项目安装和配置的准备工作和详细的安装步骤
准备工作
在开始安装 prool 之前,请确保您的计算机已安装以下软件:
- Node.js:您可以从 Node.js 官网 下载并安装 Node.js。
- npm:Node.js 安装过程中会自动安装 npm,因此您无需单独安装。
- Docker(如果需要使用 Silius 或 Stackup):如果您的项目需要使用 Silius 或 Stackup,请确保您的计算机已安装 Docker。
安装步骤
-
克隆 prool 仓库到本地:
git clone https://github.com/wevm/prool.git -
切换到 prool 仓库目录:
cd prool -
安装项目依赖:
npm install或者,如果您使用 pnpm:
pnpm install -
如果您需要使用本地 Execution Node,请确保您的计算机已安装 Foundry,并按照 Foundry 的安装说明进行操作。
-
如果您需要使用 Bundler,请根据需求安装相应的 Bundler 库:
- Alto:
npm install @pimlico/alto - Rundler:请确保您的计算机已安装 Rundler binary。
- Silius:
docker pull silius-rs/silius - Stackup:
docker pull stackupwallet/stackup-bundler:latest
- Alto:
-
根据您的需求,运行 prool 提供的实例。例如,如果您想使用 Anvil 作为 Execution Node,您可以运行以下代码:
import { createServer } from 'prool'; import { anvil } from 'prool/instances'; const server = createServer({ instance: anvil() }); server.start();这将在本地启动一个 Anvil 实例,您可以通过 HTTP 或 WebSocket 连接与其进行交互。
总结
通过以上步骤,您应该能够在本地成功安装和配置 prool。根据您的项目需求,您可以选择不同的实例进行测试。希望这个教程对您有所帮助!
登录后查看全文
热门项目推荐
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.7 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
140
170
暂无简介
Dart
598
130
React Native鸿蒙化仓库
JavaScript
235
309
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++
634
232
仓颉编译器源码及 cjdb 调试工具。
C++
123
731
🎉 (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
1.06 K
616
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
198
74
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
460