Plutus项目中的goldenBudget测试功能优化探讨
在Plutus项目的测试框架中,goldenBudget是一个用于验证智能合约执行成本预算的重要工具。然而,当前实现存在一个明显的功能缺失——它仅显示预算信息而忽略了执行结果的验证,这在测试实践中可能会带来潜在问题。
现状分析
目前,测试用例通常需要分别编写两个独立的测试函数来验证同一段代码:一个用于检查执行结果(如goldenEvalCekCatch),另一个用于验证预算(goldenBudget)。这种分离的测试方式导致了代码重复,增加了维护成本,更重要的是可能掩盖了测试逻辑中的潜在问题。
问题本质
预算验证的核心前提是执行结果的正确性。如果一段代码的执行结果本身就是错误的,那么讨论其执行成本预算就失去了意义。因此,将预算验证与结果验证分离的做法在逻辑上是不完整的。
技术解决方案
理想的解决方案是扩展goldenBudget的功能,使其能够同时验证执行结果和预算信息。这种改进可以通过以下几种方式实现:
-
组合函数方式:创建一个新的高阶测试函数,内部同时调用结果验证和预算验证函数。这种方式保持了原有函数的独立性,同时提供了便捷的组合使用方式。
-
集成验证方式:修改
goldenBudget的内部实现,使其在执行预算验证前先进行结果验证。这种方式提供了更强的逻辑保证,但可能降低测试的灵活性。 -
多模式支持:设计一个支持多种验证模式的通用函数,允许测试开发者根据需要选择仅验证预算、仅验证结果或两者都验证。
实现考量
在实现过程中,有几个关键点需要考虑:
-
测试失败诊断:当测试失败时,应该能够清晰地分辨是结果验证失败还是预算验证失败。这要求错误信息要有足够的区分度。
-
向后兼容:现有测试用例应该能够继续工作,不受新功能的影响。
-
性能影响:额外的验证步骤不应该显著增加测试执行时间。
最佳实践建议
基于讨论,我们可以得出以下测试实践建议:
-
在大多数情况下,应该同时验证执行结果和预算信息,以确保测试的完整性。
-
对于特殊场景(如专门测试评估器实现的场景),可以保留仅验证预算的能力。
-
测试框架应该提供清晰的错误报告,帮助开发者快速定位问题所在。
这项改进不仅能够减少测试代码的冗余,更重要的是能够提高测试的可靠性和开发者的工作效率。通过确保预算验证总是基于正确的执行结果,我们可以更有信心地评估智能合约的性能特征。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0176
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0100
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
BitCPM-CANN-8BBitCPM-CANN 是首个基于华为昇腾 NPU 原生构建的端到端 1.58 位(三值化)大语言模型训练系统。该系统将量化感知训练(QAT)集成到 Megatron-LM 框架中,并结合 MindSpeed 加速,覆盖了从自定义三值算子到基于昇腾 910B 的分布式并行训练的完整训练栈。Python00
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook04
inference通过更改一行代码,您可以在应用程序中用另一个大型语言模型(LLM)替换OpenAI GPT。Xinference赋予您使用任何所需LLM的自由。借助Xinference,您能够在云端、本地、甚至笔记本电脑上运行任何开源语言模型、语音识别模型和多模态模型的推理。Python02