Foundry项目中的Cast工具:如何解析本地合约的自定义错误
在区块链开发中,Foundry项目提供的Cast工具是一个强大的命令行工具,用于与区块链交互。最近,Cast工具增加了对本地合约工件(artifacts)的支持,使得开发者能够更方便地解析合约调用中的自定义错误。
当前功能现状
目前,Cast工具中的call和run命令已经支持使用本地合约工件来解析交易执行过程中产生的自定义错误。然而,当使用cast send命令发送交易时,如果交易执行失败并返回自定义错误,Cast工具只会显示原始的十六进制错误数据,而不会自动解析这些错误。
例如,当执行cast send命令时,可能会遇到如下错误信息:
Error: server returned an error response: error code 3: execution reverted: custom error 0xfdde54e2: 223429fa00000000000000000000000000000000000000000000000000000000, data: "0xfdde54e2223429fa00000000000000000000000000000000000000000000000000000000"
技术实现差异
这种功能差异源于不同命令的技术实现方式:
-
cast call和cast run命令通过模拟交易执行,能够从交易跟踪(trace)中获取详细的错误信息,并利用本地合约工件进行解析。 -
cast send命令则直接与区块链节点交互,当交易预估失败时,节点会返回一个包含错误代码和原始错误数据的响应。目前Cast工具尚未对这些响应中的自定义错误数据进行自动解析。
解决方案与改进方向
虽然目前可以使用cast decode-error命令手动解码错误数据,但从开发者体验的角度考虑,自动解析这些错误会更加友好。参考相关库的实现方式,可以采取以下策略:
-
识别标准错误模式:区块链节点通常会在执行失败时返回错误代码3,并包含"execution reverted"的错误信息。
-
提取错误数据:从错误响应中提取十六进制的错误数据。
-
自动解码:利用本地合约工件中的ABI信息,尝试解码这些错误数据。
这种改进将显著提升开发者在调试失败交易时的效率,特别是在处理复杂合约交互时。
未来展望
随着Foundry项目的持续发展,预计Cast工具将进一步完善对自定义错误的处理能力,为开发者提供更加无缝的调试体验。这种改进不仅限于cast send命令,还可能扩展到其他与交易相关的命令中,使整个工具链的错误处理更加一致和强大。
对于依赖Foundry进行智能合约开发的团队来说,这些改进将大大简化调试流程,特别是在处理复杂的合约间交互和自定义错误场景时。
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