Foundry项目rc-1版本发布:区块链开发工具链的重大更新
Foundry是区块链生态中广受欢迎的智能合约开发工具链,它提供了一套完整的开发环境,包括测试框架、部署工具和本地开发节点等功能。本次rc-1版本带来了多项重要更新和功能增强,显著提升了开发者在智能合约开发、测试和调试方面的体验。
核心组件更新亮点
Anvil本地节点增强
Anvil作为Foundry的本地区块链节点实现,在rc-1版本中获得了多项改进:
-
模拟功能增强:新增了
eth_simulateV1RPC调用,允许开发者更精确地模拟交易执行。同时优化了代理(impersonating)功能,在模拟账户时不再需要代理支持。 -
调试支持:引入了跟踪日志功能,开发者现在可以更详细地追踪合约执行过程,这对于调试复杂合约逻辑非常有帮助。
-
链配置灵活:改进了链ID和创世区块配置的处理逻辑,允许使用负数作为分叉块号,为测试场景提供了更大灵活性。
Cast工具升级
Cast是Foundry的命令行工具,用于与区块链网络交互:
-
交易处理:新增了创建原始未签名交易的功能,并支持从交易中恢复地址。
cast txpool命令的加入让开发者可以直接与交易池交互。 -
钱包管理:扩展了钱包功能,支持修改密码、查看公钥以及自定义账户名称的密钥库存储。
-
存储查询:增强了
cast storage命令,当区块浏览器无法自动识别代理合约时,开发者可以手动指定代理合约地址。
Forge测试框架改进
Forge是Foundry的测试框架,本次更新带来了多项测试相关增强:
-
测试断言:新增了
expectCreate和expectCreate2断言,可以验证合约创建操作。vm.expectRevert现在能更准确地处理包含"revert: "前缀的错误信息。 -
覆盖率分析:改进了覆盖率计算,现在能正确处理带有构造函数参数的合约,并优化了try/catch语句的分支覆盖。
-
作弊码扩展:新增了
vm.sort和vm.shuffle作弊码用于测试数据准备,vm.setArbitraryStorage允许直接设置存储值,interceptInitcode可以拦截合约初始化代码。 -
不变性测试:优化了失败案例展示,现在可以显示原始和当前序列长度,并能将失败调用序列生成为Solidity代码。
开发者体验优化
-
编译优化:引入了预处理和缓存机制,显著提升了大型项目的编译速度。新增
--use-literal-content标志,允许控制源映射生成方式。 -
项目初始化:改进了
forge init命令,现在能正确处理GitHub URL前缀的模板,并默认不自动提交安装结果。 -
代码格式化:
forge fmt新增了watch模式,可以实时监控文件变化并自动格式化。 -
文档生成:增加了MathJax支持,提升了数学公式在生成文档中的显示效果。
底层架构改进
-
跨平台支持:新增了对
x86_64-musl和aarch64-musl架构的支持,增强了在不同Linux发行版上的兼容性。 -
依赖更新:升级到Solidity 0.8.29编译器版本,确保支持最新的语言特性。
-
模块化重构:对代码库进行了重构,使各组件(forge、cast、anvil、chisel)能够作为库使用,提高了代码复用性。
-
签名处理:改进了签名规范化处理,确保签名"s"值符合EIP-155标准。
总结
Foundry rc-1版本是一次全面的功能增强和稳定性提升,特别是在测试能力、调试工具和开发者体验方面有了显著进步。新加入的模拟和测试断言功能让合约测试更加全面,而编译优化和预处理机制则提升了大型项目的开发效率。这些改进进一步巩固了Foundry作为区块链开发者首选工具链的地位。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00