Coinbase OnchainKit 0.38.8版本发布:批量ENS解析与钱包交互优化
项目简介
Coinbase OnchainKit是一个功能强大的Web3开发工具包,旨在简化区块链应用的开发流程。它提供了一系列React钩子、工具函数和UI组件,帮助开发者快速构建与区块链网络交互的应用程序。该工具包特别注重用户体验优化,提供了钱包连接、ENS域名解析、交易发送等核心功能的一站式解决方案。
核心更新解析
1. 批量ENS/Basename解析功能
本次更新最显著的改进是引入了批量ENS/Basename地址解析能力。通过新增的useAddresses钩子和getAddresses实用函数,开发者现在可以一次性解析多个ENS域名或Basename,大幅提升了应用性能。
技术实现上,该功能采用了高效的批处理机制,同时支持ENS和Basename两种命名系统的解析。值得注意的是,开发团队还增加了双向解析验证机制,确保解析结果的准确性和一致性。这意味着系统不仅可以将域名解析为地址,还能反向验证地址对应的域名,防止潜在的解析冲突。
2. 钱包交互体验优化
在用户交互方面,0.38.8版本带来了多项改进:
- 发送交易界面增强:现在输入收款地址时,系统会自动显示对应的ENS或Basename,使交易过程更加直观和安全。
- 视频按钮点击优化:修复了视频按钮点击事件冒泡的问题,避免了不必要的UI交互干扰。
- 钱包模态框UI调整:对钱包连接模态框进行了视觉优化,提升了整体用户体验。
3. 架构与构建改进
技术架构方面也有重要更新:
- 构建工具迁移:项目已从原有构建系统迁移至Vite,这将显著提升开发体验和构建效率。
- 提供者分离:将Wagmi和Query的默认提供者分离,使架构更加清晰,便于维护和扩展。
- FID认证增强:改进了FID(Farcaster ID)的认证机制,现在支持对user.fid的可选验证,提高了系统的灵活性。
开发者实践建议
对于正在使用或考虑采用OnchainKit的开发者,建议重点关注以下实践:
-
批量解析的使用:在处理多个地址解析需求时,优先使用新的
getAddresses批量接口,这可以显著减少网络请求次数,提升应用响应速度。 -
钱包交互优化:利用改进后的发送交易界面,为用户提供更友好的交易体验,特别是ENS/Basename的自动显示功能,可以增加用户对交易正确性的信心。
-
构建流程调整:如果项目正在使用OnchainKit,建议评估迁移到Vite构建系统的可能性,以获得更好的开发体验和构建性能。
总结
Coinbase OnchainKit 0.38.8版本通过引入批量ENS解析、优化钱包交互体验和改进底层架构,进一步巩固了其作为Web3开发首选工具包的地位。这些改进不仅提升了开发效率,也显著改善了终端用户体验,体现了Coinbase对开发者生态的持续投入和对产品细节的极致追求。对于任何构建区块链相关应用的团队来说,这个版本都值得认真考虑采用。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00