Sentry JavaScript SDK 9.24.0版本发布:Angular 20支持与错误监控增强
Sentry是一个开源的应用程序监控平台,专注于错误跟踪和性能监控。其JavaScript SDK为前端和后端JavaScript应用提供了强大的错误捕获和性能分析能力。本次发布的9.24.0版本为开发者带来了多项重要更新,特别是对Angular框架的支持扩展和错误监控功能的增强。
Angular 20支持
本次更新的亮点之一是正式添加了对Angular 20框架的支持。Angular作为三大主流前端框架之一,其每个主要版本更新都会引入新的特性和改进。Sentry团队紧跟Angular的发展步伐,确保开发者在使用最新版Angular时也能无缝集成Sentry的错误监控功能。
对于使用Angular的开发者来说,这意味着:
- 可以安全地将项目升级到Angular 20,同时保持Sentry监控的完整性
- 无需担心兼容性问题,Sentry会正确处理Angular 20特有的错误和异常
- 能够利用Sentry提供的Angular专属功能,如路由错误追踪等
浏览器错误监控增强
新版本在浏览器错误监控方面做了重要改进,增加了unregisterOriginalCallbacks选项到browserApiErrorsIntegration中。这个功能主要针对以下场景:
当开发者使用Sentry监控浏览器API错误时,有时需要完全接管原始的错误处理逻辑。通过设置这个选项为true,Sentry会取消注册原有的回调函数,确保错误处理流程完全由Sentry控制。这在以下情况下特别有用:
- 需要避免重复的错误报告
- 想要完全自定义错误处理流程
- 在复杂的微前端架构中确保错误处理的唯一性
日志与用户关联
在9.24.0版本中,Sentry增强了日志功能,现在会自动将用户信息关联到日志中。这意味着:
- 开发者可以更容易地追踪特定用户产生的日志
- 在排查问题时能够快速定位到相关用户的活动
- 日志分析时可以获得更完整的上下文信息
这个改进对于需要审计追踪或分析用户行为的应用特别有价值,使得问题排查更加高效。
Supabase数据库查询洞察
对于使用Supabase的开发者,新版本确保数据库查询的洞察数据能够正确填充。这意味着:
- Supabase查询的性能数据会被准确捕获
- 开发者可以分析数据库查询对应用性能的影响
- 慢查询和问题查询更容易被识别和优化
总结
Sentry JavaScript SDK 9.24.0版本通过支持Angular 20、增强错误监控能力、改进日志关联和优化数据库洞察,为开发者提供了更强大、更全面的应用监控解决方案。这些改进不仅提升了监控的准确性,也使得问题排查更加高效,帮助开发者构建更稳定、性能更好的JavaScript应用。
对于正在使用或考虑使用Sentry的团队,建议评估这些新特性如何能够更好地服务于你的监控需求,特别是如果你正在使用Angular 20或Supabase等技术栈。
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