Fuel TypeScript SDK v0.101.0 版本发布:强化谓词与交易功能
Fuel TypeScript SDK 是一个为 Fuel 区块链生态系统提供 TypeScript 支持的开发工具包。它简化了与 Fuel 区块链交互的过程,使开发者能够轻松构建去中心化应用。本次发布的 v0.101.0 版本主要围绕谓词(Predicate)功能和交易处理进行了多项重要改进。
谓词功能的重大增强
谓词是 Fuel 区块链中的一种特殊智能合约,用于定义资金使用的条件。本次更新对谓词功能进行了两项关键改进:
-
强制谓词数据验证
现在,当谓词定义了输入参数时,SDK 会强制要求开发者提供相应的数据。这一改变确保了类型安全,防止开发者意外创建无效的谓词实例。例如,对于一个需要 PIN 码参数的谓词,现在必须显式提供数据:// 旧版本(允许但不正确) const predicateNoData = new PredicatePin({ provider }) // 不再允许 // 新版本(正确方式) const predicate = new PredicatePin({ provider, data: [100] }) // 必须提供数据 -
新增 setData 方法
为谓词类新增了setData方法,使开发者能够更灵活地更新谓词实例的数据:const predicate = new PredicatePin({ provider, data: [100] }) predicate.setData([200]) // 动态更新谓词数据
交易处理的优化
本次更新对交易处理流程进行了多项改进:
-
交易请求动态修改
现在支持在InvocationScope使用过程中对TransactionRequest进行实时修改,为开发者提供了更大的灵活性:const scope = contract.functions.some_method() scope.transactionRequest.gasLimit = 5000 // 动态调整gas限制 -
gasLimit 自动计算优化
provider.assembleTx()方法现在会考虑reserveGas参数来设置交易的gasLimit,确保交易有足够的 gas 执行。 -
交易状态订阅优化
当用户只等待预确认(Preconfirmation)状态时,SDK 会自动关闭订阅连接,避免资源浪费。
移除废弃API
移除了 BaseInvocationScope.getTransactionId() 方法,开发者现在需要通过更明确的方式获取交易ID:
// 新方式
const request = contract.functions.get_counter().fundWithRequiredCoins()
const chainId = await provider.getChainId()
const txId = request.getTransactionId(chainId)
升级建议
对于正在使用 Fuel TypeScript SDK 的开发者,建议:
- 检查项目中是否使用了无数据的谓词实例,确保为所有需要参数的谓词提供数据
- 将
getTransactionId()的调用替换为新方式 - 利用新的交易修改功能优化交易构建流程
这些改进使 SDK 更加健壮和易用,同时为开发者提供了更强大的功能来控制区块链交互的各个方面。
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