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