Foundry项目中的Prank机制问题解析
2025-05-26 08:46:10作者:吴年前Myrtle
概述
在Solidity智能合约测试框架Foundry中,开发者经常使用vm.startPrank来模拟特定地址调用合约的场景。然而,近期发现了一个关于Prank机制的特殊行为:当通过new关键字创建合约时,Prank状态未被正确标记为"已使用",导致后续无法覆盖该Prank。
问题现象
在Foundry测试中,开发者可能会遇到以下场景:
- 使用
vm.startPrank(address)开始一个Prank - 在该Prank环境下通过
new关键字创建合约 - 尝试使用另一个
vm.startPrank覆盖当前Prank
此时测试会失败,并提示"cannot overwrite a prank until it is applied at least once"错误。这表明系统认为第一个Prank未被使用过,因此不允许被覆盖。
技术背景
Prank机制是Foundry提供的一项重要功能,它允许测试者模拟特定地址调用合约的行为。在测试环境中,这通常用于:
- 测试权限控制逻辑
- 模拟多用户交互场景
- 验证合约在不同调用者下的行为
Foundry提供了几种Prank相关的方法:
prank: 单次调用PrankstartPrank: 开始持续PrankstopPrank: 结束当前PrankchangePrank: 变更当前Prank(已弃用)
问题本质
问题的核心在于Prank状态的跟踪机制。在Foundry的实现中,startPrank需要被"应用"至少一次后才能被覆盖。这里的"应用"指的是实际的合约调用操作。然而,合约创建(new操作)虽然也是一种调用,但系统并未将其识别为Prank的应用场景。
这种不一致性导致以下两种场景行为不同:
-
正常工作场景:
vm.startPrank(alice); counter.setNumber(0); // 调用成功,Prank被标记为已使用 vm.startPrank(bob); // 可以正常覆盖 -
问题场景:
vm.startPrank(alice); counter = new Counter(); // 合约创建,但Prank未被标记为已使用 vm.startPrank(bob); // 抛出错误
解决方案
目前开发者可以采用以下临时解决方案:
-
显式使用stopPrank:
vm.startPrank(alice); counter = new Counter(); vm.stopPrank(); // 显式结束Prank vm.startPrank(bob); -
继续使用changePrank: 虽然
changePrank已被标记为弃用,但在该问题修复前仍可使用:vm.startPrank(alice); counter = new Counter(); vm.changePrank(bob); // 临时解决方案
影响范围
这个问题主要影响以下测试场景:
- 需要测试合约创建权限的测试用例
- 涉及多步骤部署流程的测试
- 需要验证合约创建者后续行为的测试
最佳实践建议
在等待官方修复的同时,建议开发者:
- 在合约创建后显式调用
stopPrank - 避免在同一个测试中混合使用合约创建和普通调用
- 考虑将合约创建逻辑提取到单独的设置方法中
总结
Foundry中的Prank机制是一个强大的测试工具,但在处理合约创建场景时存在边界情况。理解这一限制有助于开发者编写更健壮的测试代码。随着项目的持续发展,这类边界问题有望得到解决,使测试框架更加完善和一致。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
最新内容推荐
绝杀 Tauri/Pake Mac 打包报错:`failed to run xattr` 的底层逻辑与修复方案避坑指南:Pake 打包网页为何“高级功能失效”?深度解析拖拽与下载的底层限制Tauri/Pake 体积极限优化:如何把 12MB 的应用无情压榨到 2MB 以内?受够了 100MB+ 的套壳 App?最强 Electron 替代方案 Pake 深度测评与原理解析告别臃肿积木!用 Pake 1 分钟把任意网页变成 3MB 桌面 App(附国内极速环境包)智能票务抢票系统:突破手动抢票瓶颈的效率革命方案如何利用Path of Building PoE2高效规划流放之路2角色构建代码驱动的神经网络可视化:用PlotNeuralNet绘制专业架构图whisper.cpp CUDA加速实战指南:让语音识别效率提升6倍的技术解析Windows 11系统PicGo高效解决安装与更新全流程指南
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
663
4.27 K
deepin linux kernel
C
28
15
Ascend Extension for PyTorch
Python
506
612
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++
941
868
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
394
292
暂无简介
Dart
911
219
🎉 (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
1.54 K
894
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
124
198
昇腾LLM分布式训练框架
Python
142
168
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
1.07 K
557