LiveBlocks v2.17.0 版本发布:WebSocket大消息处理与AI工具栏支持
项目简介
LiveBlocks是一个为实时协作应用提供基础设施的JavaScript库集合,它使开发者能够轻松构建多人协作功能,如协同编辑、实时聊天等。该项目包含多个npm包,分别针对不同框架和场景提供支持。
核心更新内容
WebSocket大消息处理机制优化
在v2.17.0版本中,LiveBlocks对WebSocket消息处理机制进行了重要改进:
-
错误报告增强:当客户端尝试发送超过1MB的WebSocket消息时,现在会明确地在控制台报告错误,而不是像之前版本那样静默失败。
-
灵活的大消息处理策略:新增了
largeMessageStrategy配置选项,开发者可以根据应用场景选择最适合的大消息处理方式:default:默认策略,不发送大消息但会在控制台记录错误split:将大消息分割成小块发送(牺牲原子性但保证送达)experimental-fallback-to-http:实验性功能,自动改用HTTP协议发送大消息
-
API调整:废弃了实验性的
unstable_fallbackToHTTP标志,推荐使用新的largeMessageStrategy配置方式。
React集成改进
React开发者现在可以通过<LiveblocksProvider>组件直接配置大消息处理策略,保持与核心库一致的配置体验。
富文本编辑器AI工具栏(Beta)
本次更新为Tiptap富文本编辑器集成带来了AI功能支持,目前处于私有测试阶段:
-
AI功能启用:通过
useLiveblocksExtension的ai选项可以配置并启用AI工具栏功能。 -
组件化AI工具栏:提供了
<AiToolbar>系列组件,包括<AiToolbar.Suggestion>、<AiToolbar.SuggestionsSeparator>等,方便开发者定制AI交互界面。 -
默认集成:当启用AI功能后,
Toolbar和FloatingToolbar会自动包含AI相关按钮。 -
编程式调用:新增
askAi编辑器命令,支持以编程方式打开AI工具栏,并可预置提示词直接发起AI请求。
其他改进
- React-UI修复:解决了
Composer组件在onComposerSubmit回调期间卸载导致的崩溃问题。 - 图标库扩充:为
<Icon.* />组件系列新增了多个常用图标。
技术实现建议
对于需要处理大消息的协作场景,建议根据业务需求选择合适的大消息策略:
-
实时性要求高但可接受非原子操作:选择
split策略,确保消息及时送达。 -
数据完整性优先:使用
experimental-fallback-to-http策略,虽然延迟稍高但保证消息完整。 -
简单调试场景:保留
default策略,通过控制台错误快速发现大消息问题。
对于AI工具栏的使用,建议先在小范围测试其效果,特别是注意处理AI生成内容的准确性和适用性。
升级注意事项
-
使用过
unstable_fallbackToHTTP的代码需要迁移到新的largeMessageStrategy配置方式。 -
AI工具栏功能目前仍处于Beta阶段,API可能发生变化,不建议在生产环境大规模使用。
-
大消息分割策略(
split)会牺牲消息的原子性,需要确保应用逻辑能够处理可能的消息分片情况。
LiveBlocks v2.17.0通过改进大消息处理和引入AI能力,进一步丰富了实时协作应用的开发体验,为构建更智能、更可靠的协作功能提供了更多可能性。
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