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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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