Yearn Strategy Brownie Mix 使用教程
2025-04-17 03:33:29作者:裴麒琰
1. 项目介绍
Yearn Strategy Brownie Mix 是一个基于 Brownie 框架的 Yearn 策略实现模板。它提供了创建自定义 Yearn 策略的基本 Solidity 智能合约、与 Ethereum 主网上常用 DeFi 协议交互的接口、以及一个在主网分支上运行的测试套件。此模板旨在简化 Yearn 策略的开发和部署过程。
2. 项目快速启动
环境准备
在开始之前,请确保你已经安装了 Brownie 和 Ganache,并且它们的版本兼容。同时,你需要在 Infura 和 Etherscan 上注册并获取相应的 API 密钥。
# 安装 Brownie
pip install brownie
# 安装 Ganache
# 请访问 Ganache 官方网站下载并安装
配置环境变量
export WEB3_INFURA_PROJECT_ID=YourProjectID
export ETHERSCAN_TOKEN=YourApiToken
下载项目
# 克隆项目仓库
git clone https://github.com/yearn/brownie-strategy-mix.git
# 进入项目目录
cd brownie-strategy-mix
# 复制 .env.example 文件为 .env 并填写相应信息
cp .env.example .env
部署策略合约
# 打开 Brownie 控制台
brownie console
# 加载 Yearn Vault 和 Want Token 地址
from brownie import project
yearnvaults = project.load(config['dependencies'][0])
Vault = yearnvaults.Vault
Token = yearnvaults.Token
vault = Vault.at("0xdA816459F1AB5631232FE5e97a05BBBb94970c95")
token = Token.at("0x6b175474e89094c44da98b954eedeac495271d0f")
# 部署 Strategy.sol 合约
strategy = Strategy.deploy(vault, {"from": accounts[0]})
# 将策略添加到 Vault 中
vault.addStrategy(strategy, 1000, 0, 2**256-1, 1_000, {"from": gov})
Harvest 操作
# 执行 Harvest 操作
harvest_tx = strategy.harvest({"from": accounts[0]})
3. 应用案例和最佳实践
在创建自定义 Yearn 策略时,你应该在 contracts/Strategy.sol 中实现以下逻辑:
- 通过
Strategy.name()为你的策略创建一个描述性名称。 - 通过
Strategy.adjustPosition()投资你的 want 令牌。 - 通过
Strategy.prepareReturn()实现收益提取和损失报告。 - 通过
Strategy.liquidatePosition()解除足够头寸以偿还提款。 - 通过
Strategy.exitPosition()解除所有头寸。 - 实现
Strategy.estimatedTotalAssets()估算策略管理的 want 令牌总数。 - 通过
Strategy.prepareMigration()迁移策略管理的所有头寸。 - 列出所有应对抗移动的持仓令牌,通过
Strategy.protectedTokens()。
4. 典型生态项目
Yearn 生态系统中有许多项目,以下是一些典型的项目:
- Yearn Vaults: Yearn 的核心产品,提供简单易用的收益生成工具。
- yEarn: Yearn 的原始收益优化策略。
- yUSD: Yearn 的稳定币,旨在提供一种去中心化的稳定价值存储手段。
以上就是关于 Yearn Strategy Brownie Mix 的使用教程。希望对您的开发工作有所帮助。
登录后查看全文
热门项目推荐
kernelopenEuler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。C030
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
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
425
3.26 K
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++
689
334
暂无简介
Dart
686
161
Ascend Extension for PyTorch
Python
231
264
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
266
326
🎉 (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
1.22 K
667
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
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
19
30