Foundry项目中的多匹配构件问题分析与解决
2025-05-26 03:02:21作者:廉彬冶Miranda
问题背景
在Solidity智能合约开发中,Foundry作为一款流行的测试框架,其vm.getDeployedCode方法用于获取已部署合约的字节码。近期在Foundry 0.3.0版本中出现了一个关键问题:当存在多个匹配的构件(artifact)时,该方法会抛出错误"[FAIL: vm.getDeployedCode: multiple matching artifacts found]",导致测试失败。
问题复现与诊断
这一问题在Optimism项目的contracts-bedrock包中被发现。开发者通过添加compilation_restrictions配置后触发了此错误。具体表现为:
- 某些合约同时被编译为
default和dispute两种profile - 当测试框架尝试获取这些合约的部署代码时,发现有多个匹配的构件文件
- 系统无法自动确定应该使用哪个构件,导致测试失败
技术原理分析
在Foundry的构件管理系统中:
- 每个合约编译后会生成对应的构件文件(artifact),包含ABI、字节码等信息
- 当使用不同编译配置(如不同profile)时,可能为同一合约生成多个构件
vm.getDeployedCode方法需要明确知道应该使用哪个构件的字节码
解决方案
Foundry团队迅速响应并修复了此问题。核心解决方案是:
- 优先选择与测试编译使用相同profile的构件
- 当存在多个匹配构件时,不再简单地报错,而是按照profile匹配度进行智能选择
- 确保编译配置的一致性,避免产生不必要的多profile构件
最佳实践建议
为避免类似问题,开发者应注意:
- 明确项目的编译配置需求,避免不必要的多profile编译
- 定期更新Foundry版本以获取最新修复
- 在添加新的编译限制时,检查是否会影响现有构件的生成
- 对于复杂项目,考虑建立清晰的构件管理策略
总结
Foundry团队对此问题的快速响应体现了其对开发者体验的重视。通过优化构件选择逻辑,不仅解决了当前问题,也为处理类似情况建立了更健壮的机制。这提醒我们在使用高级编译配置时,需要理解其对整个构建和测试流程的影响,确保各环节的协调一致。
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
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
暂无简介
Dart
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥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
仓颉编译器源码及 cjdb 调试工具。
C++
135
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218