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。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00