Scaffold-ETH 2 项目网络配置升级指南:从Mumbai到Amoy的迁移
在区块链开发中,测试网络的选择和配置是项目基础设施的重要组成部分。本文将详细介绍Scaffold-ETH 2项目中网络配置的重要更新,帮助开发者理解这些变更的技术背景和实际意义。
网络配置变更概述
Scaffold-ETH 2项目近期对其Hardhat网络配置进行了重要更新,主要涉及三个方面:
- 将Polygon Mumbai测试网替换为Polygon Amoy测试网
- 移除了已停用的Public Goods Network(PGN)及其测试网
- 将Polygon zkEVM测试网升级至Cardona版本
这些变更反映了区块链测试网络生态系统的持续演进,开发者需要及时跟进这些变化以确保项目的持续可测试性。
变更技术细节
Polygon测试网升级
Polygon Mumbai作为长期使用的测试网已被官方标记为弃用状态,其替代者Polygon Amoy采用了更新的技术架构。在Hardhat配置中,这一变更体现在RPC端点的更新:
// 旧配置(Mumbai)
url: `https://polygon-mumbai.g.alchemy.com/v2/${providerApiKey}`
// 新配置(Amoy)
url: `https://polygon-amoy.g.alchemy.com/v2/${providerApiKey}`
PGN网络移除
Public Goods Network(PGN)及其测试网已正式停止服务,因此相关配置已从项目中完全移除。这包括删除hardhat.config.ts文件中对应的网络定义。
zkEVM测试网升级
Polygon的zkEVM测试网已升级至Cardona版本,新的配置如下:
polygonZkEvmCardona: {
url: `https://polygonzkevm-cardona.g.alchemy.com/v2/${providerApiKey}`,
accounts: [deployerKey],
}
变更背后的技术考量
这些网络配置变更反映了区块链基础设施的几个重要趋势:
-
测试网的定期轮换:主流区块链平台逐渐采用定期更换测试网的策略,这有助于保持网络性能并鼓励开发者定期更新其基础设施。
-
ZK技术普及:Polygon zkEVM测试网的持续演进表明零知识证明技术在Layer 2解决方案中的应用日益成熟。
-
基础设施整合:PGN等专用网络的停用反映了行业向更标准化、更通用的基础设施方向发展的趋势。
开发者迁移建议
对于使用Scaffold-ETH 2的开发者,建议采取以下步骤完成网络配置迁移:
- 更新项目依赖至最新版本
- 修改环境变量中的测试网RPC URL
- 获取新的测试网代币(Amoy MATIC等)
- 重新部署测试合约并验证功能
- 更新CI/CD流程中的网络配置
常见问题处理
在迁移过程中,开发者可能会遇到以下问题:
- 连接超时错误:通常表明尝试访问已停用的测试网端点
- 链ID不匹配:新测试网可能使用不同的链ID,需要更新前端配置
- 交易失败:可能由于新测试网采用不同的gas定价机制
这些问题通常可以通过检查网络配置和更新相关参数来解决。
总结
Scaffold-ETH 2项目的网络配置更新反映了区块链测试基础设施的最新发展。及时跟进这些变更不仅能确保开发环境的稳定性,还能让开发者尽早体验新技术特性。建议开发者定期检查项目网络配置,保持与主流测试网络的同步。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00