WalletConnect/web3modal 1.7.8版本发布:多链钱包连接的重大升级
WalletConnect/web3modal是一个流行的Web3钱包连接解决方案,它简化了DApp与各种区块链钱包的集成过程。通过提供标准化的连接接口,开发者可以轻松实现钱包连接功能,而无需关心不同钱包提供商的具体实现细节。
核心功能升级
1. 多链网络支持增强
本次更新对CaipNetwork进行了泛型化改造,使其能够支持任意命名空间创建网络。这意味着开发者现在可以更灵活地定义和使用不同区块链网络,不再受限于特定的命名空间约束。这一改进为跨链应用开发提供了更大的便利性。
2. Safe Apps SDK集成
新版本在wagmi中默认集成了Safe Apps SDK支持。Safe是一种流行的多签钱包解决方案,这一集成使得DApp能够更好地与多签钱包交互,为团队协作和资产管理提供了更安全的选择。
3. 自动安全连接器支持
ethers和ethers5客户端现在支持自动安全连接器。这一功能优化了钱包连接的安全性,特别是在处理敏感操作时,能够自动选择最安全的连接方式,降低潜在的安全风险。
问题修复与优化
1. 状态同步改进
修复了wagmi与AppKit之间链状态不一致的问题。现在两个系统能够保持同步,确保应用状态的一致性,避免了因状态不同步导致的用户体验问题。
2. 嵌入式钱包信息处理
解决了getAccount方法未返回embeddedWalletInfo的问题。这一修复确保了开发者能够正确获取嵌入式钱包的所有相关信息,为更复杂的钱包集成场景提供了支持。
3. 网络切换逻辑优化
重构了模态框打开时的网络切换逻辑。现在在网络切换处理上更加智能,避免了不必要的网络切换操作,提升了用户体验和应用的响应速度。
4. 连接器重复添加问题
修复了wagmi连接器被重复添加到控制器的问题。这一问题在某些环境(如Vue)中会导致连接同步问题和性能下降,现在得到了彻底解决。
5. 钱包断开连接处理
改进了扩展钱包的断开连接处理逻辑。现在当通过hook请求断开连接时,所有类型的扩展钱包都能被正确断开,避免了残留连接状态的问题。
6. 移动端支持增强
新增了对Solflare钱包在移动环境中的深度链接支持。这一改进使得移动端用户能够更顺畅地使用Solflare钱包与DApp交互,提升了移动端的用户体验。
开发者体验优化
本次更新还包含了对远程配置工具的改进,确保AppKit Basic能够正确获取电子邮件和社交登录的启用状态。这些细节优化虽然看似微小,但对于依赖这些功能的开发者来说却至关重要。
总结
WalletConnect/web3modal 1.7.8版本在多链支持、安全连接和移动端体验等方面都做出了显著改进。这些更新不仅增强了核心功能,也解决了一系列影响开发者体验的问题。对于正在构建跨链DApp或需要集成多种钱包类型的项目来说,升级到这个版本将获得更稳定、更灵活的钱包连接解决方案。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust024
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00