Starknet Cairo 2.10.0版本发布:核心库升级与功能增强
项目背景
Starknet是一个基于零知识证明技术的Layer2扩容解决方案,而Cairo则是Starknet生态中的智能合约编程语言。作为Starkware团队开发的核心组件,Cairo语言专门为可验证计算设计,能够高效地生成STARK证明。本次发布的2.10.0版本是与Starknet 0.13.4配套的Cairo版本,虽然目前新版本编写的合约还不能在Starknet上声明,但为开发者带来了多项重要改进。
核心改进与特性
条件编译功能增强
2.10.0版本实现了cfg属性的逻辑运算符支持,包括not、and和or。这一改进使得开发者能够编写更复杂的条件编译逻辑,根据不同的编译环境或目标平台灵活控制代码的包含与排除。例如,现在可以轻松实现"仅在测试环境且非Windows平台时包含某段代码"这样的复杂条件判断。
错误处理与诊断优化
本次更新对编译器的错误处理机制进行了多项改进:
-
依赖配置错误处理:当检测到依赖项配置错误时,编译器现在会直接panic,而不是继续执行可能导致更隐蔽问题的编译过程。这种"快速失败"的策略有助于开发者更早发现和解决问题。
-
十六进制前缀检查:对于需要十六进制格式的输入,当缺少"0x"前缀时,错误信息更加明确,帮助开发者快速定位问题。
-
多行诊断信息:改进了多行错误信息的显示,现在会包含最后一行内容,使错误上下文更加完整。
-
诊断优先级调整:优化了输出诊断信息的优先级排序,确保最重要的错误信息能够优先展示给开发者。
类型系统与Gas计算改进
-
快照类型不匹配:修复了快照类型不匹配时的错误提示,现在会显示正确的类型信息。
-
默认Gas重存款:在交易处理中,现在默认会包含Gas重存款操作,这有助于优化交易执行的成本计算。
-
有界整数修剪重构:对
bounded_int_trim函数进行了重构,提高了代码的健壮性和可维护性。
Starknet类型常量支持
新增了对Starknet类型的常量支持,这使得开发者能够在合约中定义和使用特定于Starknet生态的常量值,提高了代码的可读性和可维护性。
开发者影响与升级建议
虽然2.10.0版本带来了多项改进,但需要注意的是:
-
声明兼容性:使用此版本编写的合约目前还不能在Starknet主网上声明,需要等待网络升级。
-
错误处理变化:新的错误处理机制可能导致之前一些被忽略的配置问题现在会直接导致编译失败,建议开发者提前检查项目配置。
-
条件编译:新增的
cfg逻辑运算符为跨平台开发提供了更大灵活性,建议熟悉其使用方式。
社区贡献
本次版本更新特别感谢来自社区的14位新贡献者,他们的工作涉及文档改进、错误信息优化、功能实现等多个方面,体现了Cairo语言生态的活跃度和开放性。
总结
Cairo 2.10.0版本虽然在功能上属于增量更新,但对开发者体验的多个方面进行了优化,特别是在错误处理和诊断信息方面有了显著提升。这些改进虽然看似细微,但对于日常开发效率的提升具有重要意义。随着Starknet生态的不断发展,Cairo语言也在持续演进,为开发者提供更强大、更易用的工具链。建议开发者关注后续的Starknet网络升级计划,以便及时使用新版本的功能。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08