首页
/ LiveBlocks 2.16.0版本发布:全面增强错误监听与评论功能

LiveBlocks 2.16.0版本发布:全面增强错误监听与评论功能

2025-06-14 09:45:28作者:宣海椒Queenly

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@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 /><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。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
docsdocs
暂无描述
Markdown
827
5.49 K
kernelkernel
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
494
518
ops-nnops-nn
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
786
1.58 K
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
803
1.14 K
ops-transformerops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
973
2.29 K
kernelkernel
deepin linux kernel
C
32
16
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
482
312
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.02 K
769
cannbot-skillscannbot-skills
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Markdown
1.26 K
811
cann-learning-hubcann-learning-hub
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
648
287