Fuel TypeScript SDK v0.99.0 版本发布解析
Fuel TypeScript SDK 是一个为 Fuel 区块链生态系统提供支持的 JavaScript/TypeScript 开发工具包。它为开发者提供了与 Fuel 区块链交互所需的各种功能,包括钱包管理、智能合约部署与调用、交易处理等。本次发布的 v0.99.0 版本带来了多项重要更新和改进。
核心升级与兼容性变更
本次版本升级了底层依赖项,将 forc 升级至 0.66.6 版本,同时将 fuel-core 升级至 0.40.4 版本。这些升级为开发者带来了更稳定和高效的开发体验。
在兼容性方面,本次发布包含了两项重要变更:
-
移除了
provider.operations.getBalances响应中的pageInfo字段,简化了余额查询接口的返回结构。 -
移除了
ContractUtils命名空间导出,改为直接导出相关工具函数,包括getContractRoot、getContractStorageRoot、getContractId和hexlifyWithPrefix。这一变更使得代码组织更加清晰,减少了不必要的嵌套层级。
新特性与功能增强
字节码与Blob ID计算改进
新版本引入了字节码辅助工具,用于计算 Bytecode ID 和 Legacy Blob ID。这一改进使得开发者能够更灵活地处理智能合约部署相关的标识符计算。同时,调整了 Blob ID 的计算方式,使其与 Bytecode ID 的计算保持一致,提高了系统的一致性。
交易成本估算优化
现在开发者可以直接向 getTransactionCost 函数传递 gasPrice 参数,这一改进减少了不必要的网络调用,提高了交易成本估算的效率。对于需要精确控制交易费用的场景特别有用。
异步回调支持
SDK 现在全面支持异步回调函数,这使得开发者可以在回调中执行异步操作,如数据库查询或网络请求,大大增强了 SDK 的灵活性和适用性。
地址类改进
Address 类的构造函数现在接受更广泛的输入类型,包括字符串、Buffer 和其他格式的地址表示。这一改进简化了地址处理逻辑,减少了类型转换的代码量。
问题修复与稳定性提升
本次发布修复了多个关键问题:
-
修复了
waitForResult方法在交易响应对象中的解构问题,确保异步操作的正确绑定。 -
修正了
Interface.decodeArguments()函数中偏移量使用不正确的问题,提高了参数解码的准确性。 -
解决了
fuels dev命令在 Sway 编译错误后挂起的问题,改善了开发体验。 -
增强了 BigNumber 不安全数值的错误处理,提供了更明确的错误提示。
开发者体验改进
-
在模板中增加了
forc测试支持,使得新项目能够更方便地设置和运行测试。 -
当节点版本不兼容时,GraphQL 错误信息中会直接包含相关警告,帮助开发者快速定位问题。
-
改进了类型生成过程,防止命名冲突,提高了代码生成的可靠性。
-
将 CDN 主机从
cdn.fuel.network迁移到assets.fuel.network,为资源加载提供了更稳定的基础设施。
总结
Fuel TypeScript SDK v0.99.0 版本在功能、性能和开发者体验方面都做出了显著改进。从底层依赖升级到高级API优化,从错误修复到新功能引入,这些变化共同提升了SDK的稳定性和可用性。特别是对异步操作的支持和交易成本估算的优化,将为开发者构建更复杂的去中心化应用提供更好的支持。
对于现有项目升级,开发者需要特别注意兼容性变更部分,特别是 ContractUtils 命名空间的移除和余额查询接口的简化。这些变更虽然需要一定的代码调整,但将带来更清晰和高效的代码结构。
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