WalletConnect 通用提供者库 v2.21.0 版本解析
WalletConnect 是一个开源协议,旨在实现钱包与去中心化应用(DApp)之间的安全通信。作为其核心组件之一,Universal Provider(通用提供者)库为开发者提供了便捷的Web3交互接口。最新发布的2.21.0版本带来了两项重要改进,优化了命名空间处理和能力缓存机制。
命名空间处理的重大变更
本次更新中最显著的变化是对requiredNamespaces参数的弃用。在之前的版本中,开发者需要通过这个参数来指定DApp运行所必需的区块链命名空间。而在2.21.0版本中,当检测到使用了requiredNamespaces参数时,系统会自动将其值赋给optionalNamespaces。
这一变更反映了WalletConnect团队对开发者体验的优化思路。在实践中,严格要求特定命名空间可能会导致不必要的连接失败,而将其转为可选参数后:
- 提高了连接的成功率
- 给予钱包端更大的灵活性
- 保持了向后兼容性,现有代码无需立即修改
这种设计决策体现了渐进式改进的理念,既引入了更合理的默认行为,又确保了现有应用的平稳过渡。
能力缓存机制的增强
另一个重要改进是针对wallet_getCapabilities请求的缓存策略优化。新版本现在会同时考虑链ID(chainIds)和地址(address)两个维度来决定是否向钱包发送请求。
具体来说,缓存系统现在会:
- 检查请求的链ID是否与缓存记录匹配
- 验证请求地址是否与缓存记录一致
- 只有两者都匹配时才会使用缓存结果
这种细粒度的缓存控制带来了以下优势:
- 避免了不同链或不同地址情况下返回错误缓存结果的风险
- 减少了不必要的网络请求
- 提高了响应速度
- 保持了数据准确性
对于开发者而言,这意味着在跨链或多地址场景下,能力查询将更加可靠和高效。
技术实现细节
从实现层面看,这次更新涉及到了WalletConnect核心库的多个组件:
- 在Sign Client中实现了新的缓存逻辑
- 更新了类型定义以支持变更
- 工具库也相应进行了调整
这些变更都保持了API的稳定性,开发者可以平滑升级而无需修改现有代码。同时,所有相关依赖版本都保持了一致性,确保了生态组件的兼容性。
升级建议
对于正在使用WalletConnect通用提供者库的开发者,建议:
- 评估现有代码中对
requiredNamespaces的使用情况 - 考虑逐步迁移到
optionalNamespaces参数 - 测试多链和多地址场景下的能力查询功能
- 关注性能指标,特别是缓存命中率的变化
这次更新体现了WalletConnect团队对开发者体验的持续关注,通过智能的默认值和精细化的缓存策略,既提升了系统的灵活性,又保证了稳定性和性能。对于构建复杂Web3应用的团队来说,这些改进将显著提升开发效率和用户体验。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00