StarkNet.js v7.2.0 版本发布:全面支持RPC 0.8与Ledger集成优化
StarkNet.js 是一个用于与 StarkNet 区块链交互的 JavaScript SDK,它提供了与 StarkNet 网络通信、合约交互、交易签名等核心功能。作为 StarkNet 生态系统中最重要的开发工具之一,StarkNet.js 持续更新以支持最新的网络协议和开发者需求。
核心功能增强
本次 v7.2.0 版本带来了多项重要更新,主要集中在 RPC 协议支持和硬件钱包集成方面:
RPC 0.8 协议全面支持
开发团队修复了 RPC 0.8 版本中新方法无法正常工作的问题。RPC(远程过程调用)是 StarkNet.js 与区块链节点通信的基础协议,0.8 版本引入了多项性能优化和新特性。此次修复确保了开发者可以无缝使用最新的 RPC 功能,包括改进的状态查询和交易处理机制。
版本管理优化
新版本实现了完整的 Speck 版本规范支持,改进了版本解析工具和测试流程。Speck 是一种轻量级的版本控制规范,它的引入使得 StarkNet.js 的版本管理更加标准化和可靠。开发者现在可以更精确地控制项目依赖的 SDK 版本,避免潜在的兼容性问题。
网络通信改进
全局 Fetch 和 WebSocket 配置
v7.2.0 引入了全局的 fetch 和 WebSocket 配置选项,并实现了自动检测 fetch 功能的机制。这意味着:
- 开发者现在可以在应用层面统一配置网络请求行为
- SDK 能够自动适配不同环境(浏览器、Node.js等)的网络能力
- 减少了对外部 polyfill 的依赖,提升了代码的健壮性
WebSocket 依赖移除
作为一个重要的架构优化,新版本移除了对特定 WebSocket 实现的硬性依赖。这使得 StarkNet.js 可以更灵活地集成到各种 JavaScript 环境中,特别是那些对包大小敏感的前端应用。开发者现在可以根据需要自行选择 WebSocket 实现,或者使用环境提供的原生实现。
Ledger 硬件钱包支持
v7.2.0 版本集成了 Ledger 硬件钱包的 2.3.1 版本固件支持。这一更新带来了:
- 更安全的交易签名流程
- 改进的用户体验
- 与最新 Ledger 设备的兼容性保证
对于需要高安全性的 DApp 来说,这一更新确保了它们能够继续为使用 Ledger 设备的用户提供无缝体验。
开发者体验提升
除了上述功能更新外,v7.2.0 还包含多项底层改进:
- 增强了 fetch 请求的校验机制,提高了网络通信的可靠性
- 优化了版本工具链,使依赖管理更加直观
- 改进了错误处理流程,帮助开发者更快定位问题
这些改进虽然不直接表现为新功能,但显著提升了开发者在日常使用 StarkNet.js 时的体验和效率。
升级建议
对于正在使用 StarkNet.js 的开发者,建议尽快评估升级到 v7.2.0 版本,特别是:
- 需要支持最新 Ledger 设备的项目
- 计划使用 RPC 0.8 新特性的应用
- 对网络通信稳定性有高要求的场景
升级过程通常只需更新 package.json 中的版本号并重新安装依赖即可。对于使用了自定义 WebSocket 实现的开发者,可能需要根据新版本的架构调整相关配置。
StarkNet.js 持续演进的方向表明,开发团队不仅关注核心功能的完善,也重视开发者体验和生态兼容性。v7.2.0 版本的发布进一步巩固了它作为 StarkNet 生态首选 JavaScript SDK 的地位。
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