Hyperledger Fabric EVM Chaincode:将Ethereum智能合约带入Fabric世界
项目介绍
Hyperledger Fabric EVM Chaincode(EVMCC)是一个开源项目,旨在将Ethereum智能合约与Hyperledger Fabric区块链平台无缝集成。通过EVMCC,开发者可以在Hyperledger Fabric上运行用Solidity或Vyper等EVM兼容语言编写的智能合约,从而扩展Fabric的功能,使其能够支持更广泛的区块链应用场景。
项目技术分析
EVMCC的核心技术是将Hyperledger Burrow EVM封装在Go链码中,并通过EVMCC与Fabric网络进行交互。EVMCC作为智能合约的运行时环境,将部署的合约代码存储在Fabric的账本中。此外,项目还提供了Fab3,一个Web3提供者,它实现了Ethereum兼容的JSON RPC接口,使得开发者可以使用Web3.js等工具与Fabric上的EVMCC进行交互。
项目及技术应用场景
EVMCC和Fab3的结合,使得原本基于Ethereum的应用程序可以无缝迁移到Hyperledger Fabric上,而无需对代码进行大量修改。这对于那些希望在企业级区块链平台上运行去中心化应用(DApps)的开发者来说,是一个极具吸引力的解决方案。此外,EVMCC还可以用于构建跨链应用,实现不同区块链平台之间的互操作性。
项目特点
- 无缝集成:EVMCC允许在Hyperledger Fabric上运行Ethereum智能合约,无需对现有代码进行大规模修改。
- 开发者友好:通过Fab3,开发者可以使用熟悉的Web3.js等工具与Fabric上的智能合约进行交互,降低了学习成本。
- 灵活部署:EVMCC可以像其他用户链码一样部署到Hyperledger Fabric中,部署过程简单直观。
- 社区支持:项目活跃在Hyperledger社区的
#fabric-evm频道,开发者可以在这里获取帮助、反馈和参与开发。
如何开始
部署EVMCC
EVMCC的部署与普通链码类似,可以通过peer cli进行安装和实例化。以下是一个示例命令:
peer chaincode install -n evmcc -l golang -v 0 -p github.com/hyperledger/fabric-chaincode-evm/evmcc
peer chaincode instantiate -n evmcc -v 0 -C <channel-name> -c '{"Args":[]}' -o <orderer-address> --tls --cafile <orderer-ca>
运行Fab3
Fab3的构建和运行需要Go 1.11及以上版本。通过以下命令可以构建Fab3二进制文件:
make fab3
运行Fab3时,需要提供Fabric SDK配置文件和用户信息。可以通过环境变量或命令行参数进行配置。
总结
Hyperledger Fabric EVM Chaincode为开发者提供了一个强大的工具,使得Ethereum智能合约可以在Hyperledger Fabric上运行,从而扩展了Fabric的应用场景。无论是希望迁移现有Ethereum应用,还是构建新的跨链解决方案,EVMCC都是一个值得尝试的开源项目。加入我们,一起探索区块链技术的无限可能!
注意:该项目目前已被归档,原因是社区兴趣不足。尽管如此,EVMCC和Fab3的技术实现仍然具有很高的参考价值,适合对区块链技术有深入了解的开发者学习和研究。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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 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
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