LiveBlocks v2.22.0 版本发布:后端API增强与通知系统升级
2025-06-14 10:07:39作者:庞眉杨Will
LiveBlocks是一个为现代协作应用提供实时功能的开发平台,它简化了多人协作、实时数据同步和状态管理的实现。本次发布的v2.22.0版本主要针对后端Node.js SDK进行了功能增强,并改进了通知系统。
后端API功能全面升级
本次更新为@liveblocks/node包带来了多项重要改进,显著提升了后端操作的便利性和功能性。
新增分页与迭代支持
开发团队为.getInboxNotifications()方法添加了分页支持,使得处理大量通知数据更加高效。同时引入了两个新的迭代方法:
.iterRooms():自动处理分页逻辑,简化了遍历所有房间的操作.iterInboxNotifications():同样采用自动分页机制,便于处理用户通知
这些方法消除了手动处理分页的复杂性,让开发者可以更专注于业务逻辑。
房间管理操作简化
新版本引入了三个组合操作方法,减少了常见场景下的代码量:
.getOrCreate():结合了获取房间和创建房间的逻辑,确保房间存在.upsertRoom():合并了更新和创建房间的功能- 更新了
.deleteRoom()方法,使其在房间不存在时不再抛出异常
这些改进使得房间管理操作更加健壮和简洁。
存储批量操作能力
最值得关注的是新增的存储操作API:
.mutateStorage():允许从后端直接修改房间存储数据.massMutateStorage():支持同时对多个房间的存储数据进行批量修改
这些功能为后端数据处理提供了更大的灵活性,特别适合需要批量更新或维护数据的场景。
通知系统与UI组件更新
在@liveblocks/react-ui包中,新增了多个图标组件,丰富了UI设计的选择。而在@liveblocks/emails包中,对线程通知事件的核心逻辑进行了重构:
- 弃用了
htmlBody和reactBody属性,统一使用body属性 - 优化了通知邮件的生成逻辑
这一变化简化了API设计,使通知邮件的生成更加一致和易于维护。
升级建议
对于正在使用LiveBlocks的开发团队,建议重点关注以下升级点:
- 如果应用中使用了房间管理逻辑,可以考虑用新的组合方法替换原有代码
- 处理大量通知或房间数据的场景,建议迁移到新的迭代方法
- 邮件通知相关的代码需要检查并更新到新的API规范
本次更新保持了良好的向后兼容性,大多数现有功能不会受到影响,但可以逐步采用新API以获得更好的开发体验。
登录后查看全文
热门项目推荐
相关项目推荐
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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-X1-7BSpark-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
最新内容推荐
32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 Jetson TX2开发板官方资源完全指南:从入门到精通 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
311
2.72 K
deepin linux kernel
C
24
7
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
638
242
仓颉编译器源码及 cjdb 调试工具。
C++
124
851
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
469
Ascend Extension for PyTorch
Python
148
175
暂无简介
Dart
604
135
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
226
81
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
363
2.99 K
React Native鸿蒙化仓库
JavaScript
236
310