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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00