LiveBlocks 2.16.0版本发布:全面增强错误监听与评论功能
项目简介
LiveBlocks是一个为实时协作应用提供基础设施的JavaScript库集合,它包含了构建实时协作功能所需的各种工具和组件。通过LiveBlocks,开发者可以轻松实现多人实时编辑、评论、通知等功能,而无需自己搭建复杂的后端系统。
错误监听功能全面升级
在2.16.0版本中,LiveBlocks对错误监听机制进行了重大改进。现在,错误监听器将捕获更多类型的错误,包括评论与通知功能相关的错误。这一改进使得开发者能够更全面地监控应用中可能出现的各种问题。
错误监听范围扩展
在之前的版本中,错误监听器主要捕获与Presence、Storage或Yjs相关的房间连接错误。而新版本中,错误监听的范围已经扩展到包括:
- 创建线程失败
- 删除评论失败
- 标记通知为已读失败
- 其他评论与通知相关的操作错误
React组件中的变化
对于使用@liveblocks/react的开发者,需要注意useErrorListener现在需要包裹在LiveblocksProvider中,而不是之前的RoomProvider。这一变化使得错误监听可以跨越多个房间工作。
// 新版本用法
useErrorListener((err: LiveblocksError) => {
// 处理错误,如显示提示或上报到监控系统
});
评论功能增强
元数据过滤功能改进
新版本增加了对线程元数据缺失情况的过滤支持。开发者现在可以查询那些没有特定元数据属性的线程。
useThreads({
query: {
metadata: {
pinned: true,
color: null, // 查询没有设置color属性的线程
},
},
});
这一功能特别适用于需要区分已标记和未标记内容的场景,比如在一个协作编辑器中区分已分类和未分类的评论。
自动刷新机制
2.16.0版本还修复了一个重要的用户体验问题:当浏览器窗口重新获得焦点时,评论和通知现在会自动刷新。这意味着:
- 用户切换标签页或最小化窗口后再返回时,内容会自动更新
- 避免了用户手动刷新的需要
- 确保用户总是看到最新的评论和通知状态
编辑器集成改进
对于使用@liveblocks/react-lexical和@liveblocks/react-tiptap的开发者,新版本带来了工具栏组件的重大更新:
新增工具栏组件
<Toolbar />和<FloatingToolbar />组件简化了编辑器工具栏的构建- 默认包含基于编辑器功能的常用控制项
- 支持高度自定义和扩展
<Toolbar>
<Toolbar.Toggle format="bold" />
<Toolbar.Separator />
{/* 自定义控件 */}
</Toolbar>
实用工具函数
@liveblocks/react-lexical新增了两个实用函数:
isTextFormatActive: 检查文本格式是否激活isBlockNodeActive: 检查块节点是否激活
这些工具函数简化了编辑器状态检查的逻辑。
Yjs编码实验性功能
对于使用@liveblocks/yjs的开发者,新版本引入了一个实验性选项:
new LiveblocksYjsProvider(room, yDoc, {
useV2Encoding_experimental: true // 启用实验性V2编码
});
这一功能为Yjs文档提供了新的编码方式,可能会带来性能改进,但目前仍处于实验阶段。
总结
LiveBlocks 2.16.0版本带来了多项重要改进,特别是在错误处理和评论功能方面。这些变化使得开发者能够构建更健壮、用户友好的实时协作应用。对于现有项目,需要注意错误监听API的变化,并考虑利用新的过滤功能来优化用户体验。编辑器集成的改进则为构建富文本协作功能提供了更多便利。
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