Foundry 项目中的快照值检查功能解析
2025-05-26 12:39:48作者:羿妍玫Ivan
在区块链智能合约开发中,测试环节对于确保合约功能的正确性至关重要。Foundry 作为一款流行的 Solidity 开发工具套件,提供了强大的测试功能,其中快照功能是一个值得深入探讨的特性。
快照功能概述
Foundry 的快照功能允许开发者在测试过程中保存特定状态或数值,以便后续进行比较验证。目前系统主要提供了两种快照机制:
- 气体快照:专门用于记录和比较测试用例执行时的 gas 消耗情况
- 自定义值快照:开发者可以保存任意数值(如合约状态变量值)用于后续验证
现有快照功能的局限性
虽然 Foundry 已经提供了 vm.snapshotValue 方法来保存自定义数值到快照文件中,但当前实现存在一个明显的不足:它仅负责保存数值,而不会自动验证这些数值是否与之前保存的快照一致。
这种设计在某些场景下可能不够理想,特别是当开发者希望确保某些关键数值(如合约余额、用户代币持有量等)在代码修改前后保持一致时。
功能改进建议
针对这一局限性,社区提出了以下改进建议:
- 添加
vm.expectSnapshotValue方法:该方法不仅会保存数值,还会在数值与之前保存的快照不一致时触发 panic,使测试失败 - 引入
vm.loadSnapshotValue方法:返回一个元组(bool, uint256),其中第一个布尔值表示该快照是否存在,第二个数值则是保存的值
这些改进将使快照功能更加完善,类似于 JavaScript 测试框架 Jest 中的快照测试功能,能够在数值发生变化时立即提醒开发者。
现有解决方案
实际上,Foundry 已经提供了一些相关的配置选项:
gas_snapshot_check = true:这个配置不仅会检查 gas 快照,也会检查自定义值快照的差异FORGE_SNAPSHOT_CHECK=true forge test:通过环境变量启用快照检查功能
最佳实践建议
对于需要严格验证合约状态的开发者,建议:
- 在
foundry.toml配置文件中设置gas_snapshot_check = true - 对于关键数值,使用
vm.snapshotValue进行记录 - 运行测试时确保启用了快照检查功能
未来发展方向
根据社区反馈,Foundry 团队可能会考虑:
- 为值快照检查添加更明确的配置选项(如
value_snapshot_check) - 简化配置命名(如使用
snapshot_check同时涵盖 gas 和值快照) - 增强快照功能的错误报告,使其更易于定位问题
通过不断完善快照功能,Foundry 将为智能合约开发者提供更强大的测试工具,帮助他们在合约迭代过程中更好地保持行为一致性。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 Python开发者的macOS终极指南:VSCode安装配置全攻略 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Jetson TX2开发板官方资源完全指南:从入门到精通
项目优选
收起
deepin linux kernel
C
24
9
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
🔥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
64
19
暂无简介
Dart
671
155
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++
660
309
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.84 K
React Native鸿蒙化仓库
JavaScript
259
322