WalletConnect/web3modal 1.7.7版本更新解析:多链钱包连接的重大改进
项目简介
WalletConnect/web3modal是一个流行的Web3钱包连接解决方案,它提供了一个简单易用的模态框界面,让DApp开发者可以轻松集成多种钱包连接方式。该项目支持ETH、SOL等多种区块链网络,并提供了丰富的自定义选项。
核心更新内容
1. 网络同步机制优化
本次更新重点修复了W3mFrameProvider初始化时缺少当前链ID导致的问题。在之前的版本中,当AppKit和Secure站点之间进行网络同步时,由于缺乏当前链ID信息,可能会导致网络状态不一致。新版本通过确保在初始化时正确传递链ID,显著提升了多链环境下的稳定性。
2. 钱包连接流程改进
开发团队对钱包连接流程进行了多项优化:
- 修复了SOL钱包在移动端显示的问题,现在能正确处理没有mobile_link属性的钱包
- 改进了社交连接事件,新增了chainId参数,防止用户连接到错误的网络
- 解决了嵌入式模式下重定向逻辑问题,确保连接后正确跳转到账户页面而非连接页面
3. 路由逻辑简化
新版本对路由系统进行了重构,用回调函数替代了多个参数,使代码更加清晰。这一改进特别解决了域名注册时因签名过期错误导致模态框关闭而不显示错误信息的问题,提升了用户体验。
4. 多链切换增强
针对多链环境,本次更新包含以下改进:
- 修复了当切换到已连接过的不同命名空间时,认证提供商的网络切换不被触发的问题
- 解决了模态框在不支持的链选择时意外关闭的问题
- 更新了SIWX消息文本,使其能正确处理CAIP网络ID中的网络名称
5. 钱包管理优化
钱包管理方面也有显著改进:
- 修改了fetchFeaturedWallets()函数,现在会创建新的排序数组而非原地排序,确保钱包顺序保持不变
- 在meld URL中添加了externalCustomerId参数
- 修复了Vue移动端环境中wagmi无法正确清除连接的问题
技术实现细节
网络同步机制
新版本通过重构W3mFrameProvider的初始化流程,确保在创建实例时始终包含当前链ID。这一改变解决了AppKit和Secure站点之间网络状态不同步的根本问题,特别是在多链环境下切换网络时。
钱包连接流程
连接流程现在更加健壮,特别是在处理社交连接时。新增的chainId参数允许开发者更精确地控制连接目标网络,避免了用户意外连接到错误网络的情况。同时,嵌入式模式下的重定向逻辑也得到了优化,确保用户体验的一致性。
状态管理改进
对于Vue移动端环境中的状态管理问题,开发团队优化了wagmi的连接清理机制。这一改进确保了当用户断开连接或切换账户时,应用状态能够正确更新,避免了残留的连接信息。
升级建议
对于正在使用web3modal的开发者,建议尽快升级到1.7.7版本,特别是:
- 需要支持多链环境的项目
- 在移动端集成了SOL等钱包的应用
- 使用嵌入式模式或社交连接功能的DApp
升级过程通常只需更新依赖版本,但建议测试以下场景:
- 多链网络切换
- 移动端钱包连接
- 社交登录流程
- 嵌入式模式下的重定向
总结
WalletConnect/web3modal 1.7.7版本带来了多项重要改进,特别是在多链支持、钱包连接流程和状态管理方面。这些优化不仅提升了开发者的使用体验,也增强了最终用户的连接稳定性。随着Web3应用的普及,这类基础连接工具的持续优化对整个生态的发展至关重要。
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