当前位置: 首页 > news >正文

多维视角下的可组合性:PTBs 与 EIP-7702 的对比与解析

随着去中心化应用日益复杂,用户往往需要按特定顺序在链上完成多个交易。例如,在完成一次代币兑换前先授权代币使用,这种行为通常需要分多笔交易完成。这不仅增加了用户操作的摩擦,还导致计算效率低下。为了解决这个问题,Sui 和以太坊都提出了提升交易层可组合性的解决方案:Sui 的「可编程交易区块(PTBs)」与以太坊的「EIP-7702」。

这两种机制都允许开发者将多个操作打包为一个原子性交易,从而优化执行流程并提升用户体验。它们目标相似,但在设计理念和底层架构上存在显著差异。

EIP-7702:赋予 EOA 智能合约行为

EIP-7702 是以太坊近期 Pectra 升级中的提案,使外部账户(Externally Owned Account ,EOA)能够在单笔交易的过程中临时表现得像一个智能合约账户。智能合约账户是可编程账户,能够持有资产并执行复杂逻辑,例如批量操作或允许他人代付 Gas 费。此前,用户必须创建并将资产转移到一个单独的智能合约钱包,才能使用如 Gas 赞助或多操作打包执行等功能。EIP-7702 的实施消除了这一障碍,使用户能够直接通过标准的以太坊钱包使用这些功能。

这是一项富有创意的解决方案,为开发者提供了更多灵活性,使他们能够基于以太坊现有架构模拟可组合的交易流程。然而,这种方式仍受限于以太坊账户模型和顺序执行模型的框架。因此,EIP-7702 给开发者和钱包提供者带来了额外的考虑事项,例如处理新的交易类型、保持兼容性,并与现有的 EIP-4337 基础设施集成。

其完整功能依赖于如 EIP-4337 中定义的打包器(bundlers)和支付者(paymasters)等支持基础设施。虽然这些新增组件带来了更大的灵活性,但也带来了工具链要求、开发者负担增加以及钱包与应用间一致性的问题。EIP-7702 还提出了关于 tx.origin 和向后兼容性的设计挑战,这可能会影响一些现有应用的运行方式。

EIP-7702 展示了以太坊在提升可组合性方面的努力,但它仍在其基础架构的约束下运行,而非彻底重构这一架构。

PTBs:协议层的原生可组合性

相比之下,Sui 的可编程交易区块(Programmable Transaction Blocks, PTBs)从设计之初就将可组合性视为最优先原则,支持链上操作的无缝协同。PTBs 允许开发者将多达 1,024 个操作(包括对象转移、合约调用、合并与拆分)打包为一笔原子交易。

PTB 中的每个操作都被视为一个独立的指令。如果操作之间不存在冲突,Sui 可并行执行这些操作,从而显著提升吞吐量,即便在高负载下也能保持低延迟的终局性。对开发者而言,这意味着:

  • 清晰、声明式地编排多步骤交互
  • 更少的信任假设与权宜之计
  • 无需依赖外部中继器或多层抽象框架

PTBs 还通过 Sui 的“面向对象”模型提供了更高的安全性。交易逻辑明确绑定到对象所有权,从而消除歧义,并减少常见漏洞或攻击模式的暴露面。操作以确定性的方式执行,系统对对象的使用与变更施加严格约束。

这种架构使开发者能够构建丰富的、多步骤的应用,在不牺牲性能、透明度或控制力的前提下,为用户带来顺畅无感的使用体验。

设计理念与生态影响

EIP-7702 是对以太坊现有账户抽象框架的有益增强。它体现了以太坊“渐进式演进”的设计哲学:在保持与成熟网络兼容的同时提升开发者灵活性。然而,这种分层的方法也带来了代价:更高的复杂性、割裂的开发工具,以及为了实现新系统默认具备的功能而不得不使用的各种权宜之计。

Sui 的 PTBs 则体现了另一种思维方式。它不是在延续旧有模型的基础上扩展功能,而是将可组合性直接内建于协议层。这种做法带来了更一致的开发者体验 — — 可组合性、安全性与并行性全部由协议原生处理。无需打包器或拼凑式抽象层,只需编写清晰有序的逻辑,即可实现可预测的行为。

这种设计理念上的差异在实际应用中影响深远。对于开发者而言,PTBs 降低了构建高效、富有表现力应用的门槛;对于用户而言,PTBs 提供了更流畅的交互体验,减少批准次数与操作步骤;而对于整个生态而言,PTBs 解锁了在 DeFi、游戏与身份等领域中极难在传统系统中稳定实现的高频率、高复杂度策略。

渐进演进 vs. 从零设计

EIP-7702 和 PTBs 都旨在通过实现可组合、可编程的交易流程,改善用户与开发者与智能合约的交互方式。EIP-7702 展现了以太坊的演进能力,但也凸显了在一个最初并未为此类灵活性而设计的架构中工作的局限性。

随着应用复杂度不断增加,清晰地组合逻辑并高效地执行它的能力,可能会变得与吞吐量同样重要。在那样的未来,PTBs 提供的不仅是技术上的稳健性,更是为下一代应用量身打造的架构模型。

另一方面,PTBs 展示了当“可组合性”被作为系统核心设计的一部分时能够实现的可能性。通过让多操作交易变得简单、安全且具备可扩展性,Sui 展示了如何优化链上协调机制。


关于 Sui Network

Sui是基于第一原理重新设计和构建而成的L1公有链,旨在为创作者和开发者提供能够承载Web3中下一个十亿用户的开发平台。Sui上的应用基于Move智能合约语言,并具有水平可扩展性,让开发者能够快速且低成本支持广泛的应用开发。获取更多信息:https://linktr.ee/sui_apac

官网|英文Twitter|中文Twitter|Discord|英文电报群|中文电报群


文章转载自:
http://camp.sxnf.com.cn
http://card.sxnf.com.cn
http://antimorph.sxnf.com.cn
http://caravel.sxnf.com.cn
http://cathodograph.sxnf.com.cn
http://brahmanist.sxnf.com.cn
http://axletree.sxnf.com.cn
http://cerebromalacia.sxnf.com.cn
http://blunt.sxnf.com.cn
http://chevrette.sxnf.com.cn
http://balsamroot.sxnf.com.cn
http://aruspex.sxnf.com.cn
http://albucasis.sxnf.com.cn
http://birch.sxnf.com.cn
http://arnold.sxnf.com.cn
http://cholesterolemia.sxnf.com.cn
http://abandoner.sxnf.com.cn
http://chlorhexidine.sxnf.com.cn
http://accrual.sxnf.com.cn
http://arachnidan.sxnf.com.cn
http://chela.sxnf.com.cn
http://blasphemous.sxnf.com.cn
http://chairwoman.sxnf.com.cn
http://aborally.sxnf.com.cn
http://associationism.sxnf.com.cn
http://calydonian.sxnf.com.cn
http://academicals.sxnf.com.cn
http://antiproton.sxnf.com.cn
http://aureus.sxnf.com.cn
http://acerbity.sxnf.com.cn
http://www.dtcms.com/a/280213.html

相关文章:

  • 简单明了的对比PyTorch与TensorFlow
  • 操作系统笔记:进程调度(Process Scheduling)
  • 硬件与软件的桥梁:冯诺依曼体系、操作系统和初始进程的深度解析
  • 排序算法实战(上)
  • 串口通信性能优化
  • 人形机器人:技术落地、场景适配与产业演进
  • 卫星通信链路预算之六:输出回退
  • [RPA] 多页订单的自动处理
  • 高并发四种IO模型的底层原理
  • 【Rust Web】Axum :构建高性能 Web 服务
  • 快速精准估算光伏电站造价:效率与精度的关键
  • 4.增-demo
  • Java全栈工程师面试实录:从电商支付到AI大模型的应用场景与技术栈解析
  • 50天50个小项目 (Vue3 + Tailwindcss V4) ✨ | DoubleClickHeart(双击爱心)
  • [INS-30014]无法检查指定的位置是否在CFS上
  • 【PTA数据结构 | C语言版】根据层序序列重构二叉树
  • 陶瓷基复合材料烧结:工业软件国有化在孔隙率控制仿真中的替代
  • [设计模式]C++单例模式的几种写法以及通用模板
  • HTTP请求
  • 医疗数据分析中标准化的作用
  • sglang笔记1: 后端详细阅读版
  • 配置使用SSH与VScode进行连接
  • LLM在腾讯游戏数据分析的实战
  • 论文阅读:arxiv 2025 A Survey on Data Contamination for Large Language Models
  • 深度学习-参数初始化、损失函数
  • 自然语言指令驱动的工业机器人协同学习系统:大语言模型如何重塑智能体协作范式
  • 流媒体直播分发服务器
  • 大语言模型零样本情感分析实战:无需机器学习训练,96%准确率实现指南
  • 小型客厅如何装修设计?
  • 2025-07-15 李沐深度学习6——Softmax回归