WalletConnect/web3modal 1.7.5版本更新解析:钱包连接与Web3交互的全面优化
WalletConnect/web3modal是一个广受欢迎的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。作为一个开源项目,它提供了跨平台、跨钱包的统一连接接口,让开发者可以轻松实现用户与区块链应用的交互。
核心功能改进
钱包连接过滤逻辑优化
本次更新重点修复了移动设备上钱包列表的显示问题。现在系统会严格检查钱包是否具有有效的mobile_link属性,确保只有真正支持移动端的钱包才会在移动设备上显示。这一改进显著提升了移动端用户的体验,避免了用户选择不兼容钱包的情况。
对于开发者而言,excludeWalletIds参数现在能够正确地在API请求中设置,这为定制化钱包列表提供了更精确的控制能力。
账户状态管理增强
在账户状态管理方面,1.7.5版本解决了几个关键问题:
- 修复了网络切换时账户状态被错误覆盖的问题,现在切换网络时会保留原有的账户状态
- 优化了connected wallet信息状态处理,当找不到连接器或提供程序时,会回退使用连接器ID
- 解决了钱包信息在wagmi中刷新时同步错误的问题
这些改进使得账户状态管理更加稳定可靠,减少了因状态不一致导致的用户体验问题。
交易与余额相关优化
交易流程改进
新版本对交易流程进行了多项优化:
- 修复了发送流程交易后余额更新不及时的问题,确保用户能立即看到最新的资产状态
- 改进了发送流程地址输入逻辑,使其对用户输入响应更加准确可靠
- 为开发者新增了fetchBalance方法,方便在交易完成后手动触发余额更新
资产交换功能增强
在资产交换功能方面,更新增加了对资产元数据的预过滤支持。系统现在可以基于支持的资产预先过滤数据,提高了交换功能的可用性和性能。
钱包适配器改进
多链支持优化
1.7.5版本对多链支持进行了多项改进:
- 修复了Phantom移动钱包在EVM/Bitcoin链上的重定向问题
- 升级了相关依赖包到最新版本
- 增强了Blockchain API的网络支持查询容错能力
钱包连接技术升级
钱包连接技术栈也获得了重要更新:
- 升级了WalletConnect相关依赖到最新版本
- 修复了wagmi适配器获取provider的方式,现在使用专用的.getProvider()API
- 确保defaultAccountTypes参数被正确遵守
社交登录与用户体验
在社交登录方面,1.7.5版本移除了冗余的后端调用,优化了数据获取流程。同时根据新接收的数据调整了钱包schema,提高了数据处理的效率。
对于移动端用户,系统现在会优先尝试深度链接,当深度链接无效时自动回退到通用链接(Universal Link),大大提高了移动端钱包连接的可靠性。
总结
WalletConnect/web3modal 1.7.5版本通过一系列精细化的改进,显著提升了钱包连接的稳定性和用户体验。从核心的连接逻辑到交易流程,从多链支持到移动端优化,这次更新覆盖了Web3交互的多个关键环节。对于开发者而言,这些改进意味着更少的边缘情况处理和更高的集成可靠性;对于最终用户,则意味着更流畅、更可靠的区块链应用体验。
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