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。
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