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。
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