StreamChat Swift SDK 4.74.0版本发布:Markdown渲染优化与功能增强
StreamChat是一个功能强大的即时通讯Swift SDK,它为开发者提供了构建聊天应用所需的各种组件和功能。该SDK包含核心功能模块StreamChat和UI组件模块StreamChatUI,支持iOS平台上的聊天应用开发。
Markdown渲染功能全面升级
本次4.74.0版本中最显著的改进是对Markdown渲染功能的全面重构。开发团队引入了基于AttributedString的富文本渲染机制,显著提升了Markdown内容的显示效果。
新的MarkdownParser类负责解析和样式化Markdown字符串,支持多种Markdown元素如标题、链接等的渲染。值得注意的是,为了充分利用iOS 15及更高版本的系统能力,Markdown渲染功能仅在iOS 15+设备上可用,在iOS 14及以下版本会回退到普通文本显示。
为了支持Markdown标题的渲染,SDK新增了Fonts.title2字体样式。这一改进使得聊天消息中的标题能够以更醒目的方式呈现,提升了消息的可读性和视觉层次感。
频道阅读状态分页支持
在频道管理方面,4.74.0版本新增了对频道阅读状态的分页支持。开发者现在可以通过以下新方法更灵活地管理频道阅读状态:
ChatChannelController.loadChannelReads()- 加载频道阅读状态ChatChannelController.loadMoreChannelReads()- 加载更多频道阅读状态Chat.loadMembers()- 加载成员列表Chat.loadMoreMembers()- 加载更多成员
这些新增API使得处理大量频道阅读状态和成员数据变得更加高效,特别是在需要分批加载数据的场景下。
问题修复与稳定性提升
本次更新还包含多项问题修复,进一步提升了SDK的稳定性和可靠性:
- 通过使后台任务跟踪线程安全,解决了后台任务警告问题
- 修复了
ChatRemoteNotificationHandler可能导致持久存储数据不一致的问题 - 修正了使用
ChannelListSortingKey.default时频道排序不正确的问题 - 解决了当前用户将自己添加到频道时频道成员资格未更新的问题
UI组件改进
在StreamChatUI模块中,开发团队对Markdown相关API进行了重构:
- 移除了
MarkdownStyles.linkFont,因为链接属性会被UITextView忽略,建议开发者改为更新ChatMessageContentView.textView.linkTextAttributes - 移除了基于正则表达式的Markdown验证相关API,包括
DefaultMarkdownFormatter.markdownRegexPattern和MarkdownFormatter.containsMarkdown(_:)
这些变更使得API更加简洁,同时鼓励开发者采用更现代的文本处理方式。
总结
StreamChat Swift SDK 4.74.0版本通过引入现代化的Markdown渲染机制、增强频道管理功能以及修复多个关键问题,为开发者提供了更强大、更稳定的聊天应用开发工具。特别是对Markdown支持的改进,使得开发者能够为用户提供更丰富的消息展示效果,提升整体用户体验。
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