WalletConnect Web3Modal 1.7.5版本发布:钱包连接体验全面升级
项目简介
WalletConnect Web3Modal是一个开源的Web3钱包连接解决方案,它简化了DApp与各种区块链钱包的集成过程。通过提供统一的接口,开发者可以轻松实现钱包连接功能,而无需为每个钱包单独开发适配器。Web3Modal支持多种钱包协议,包括WalletConnect、MetaMask等主流解决方案。
核心改进
钱包连接稳定性提升
本次1.7.5版本对钱包连接流程进行了多项优化。修复了移动设备上无效钱包链接显示的问题,确保只有真正可用的钱包才会出现在用户选择列表中。同时改进了excludeWalletIds参数的实现,现在可以正确过滤不希望显示的钱包选项。
社交登录优化
社交登录功能得到了显著改进,移除了冗余的后端调用,优化了数据获取流程。钱包数据结构也根据新接收的数据格式进行了相应调整,提高了整体性能和数据一致性。
状态管理增强
解决了多个状态同步问题,包括:
- 修复了Wagmi适配器中钱包信息在刷新时错误同步的问题
- 确保defaultAccountTypes参数被正确遵守
- 改进了连接钱包信息状态处理,当找不到连接器或提供程序时使用连接器ID
交易流程改进
余额更新机制
新增了fetchBalance方法的公开接口,允许应用在完成交易后主动触发余额更新。同时修复了发送流程交易后余额不自动更新的问题,确保用户界面始终显示最新资产信息。
地址输入优化
改进了发送流程中的地址输入逻辑,使其对用户输入响应更加准确和及时。这一改进显著提升了用户体验,减少了因输入延迟导致的错误操作。
移动端体验增强
钱包重定向优化
特别针对移动设备进行了多项优化:
- 修复了Phantom移动钱包在EVM/Bitcoin链上的重定向问题
- 实现了Universal Link备用机制,当深度链接失效时自动尝试通用链接
- 确保移动设备上只显示真正可用的钱包选项
依赖升级与安全改进
本次更新包含了全面的依赖项升级:
- 升级了所有次要和补丁版本的依赖项
- 特别更新了WalletConnect相关依赖至最新版本
- 升级了相关区块链软件包
技术架构调整
提供程序获取优化
修复了Wagmi适配器中获取提供程序的实现方式,弃用了不可靠的自定义.prop属性,转而使用专用的.getProvider() API,提高了提供程序获取的稳定性。
网络切换处理
改进了认证连接器在网络切换时的行为,现在会正确保留现有账户状态,而不是覆盖之前的网络配置。
总结
WalletConnect Web3Modal 1.7.5版本通过一系列细致的技术改进,显著提升了钱包连接的稳定性、用户体验和整体性能。从核心连接流程到移动端优化,从状态管理到交易处理,本次更新覆盖了多个关键领域,为开发者提供了更可靠、更高效的Web3集成解决方案。这些改进使得Web3Modal在日益复杂的多链环境中保持了出色的兼容性和用户体验。
kernelopenEuler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。C067
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0130
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