WalletConnect/web3modal 1.7.7版本更新解析:连接体验全面优化
项目简介
WalletConnect/web3modal是一个流行的Web3连接解决方案,它提供了一个简单易用的模态框界面,让DApp开发者可以轻松集成多种钱包连接方式。该项目支持包括WalletConnect、MetaMask、Coinbase Wallet等主流钱包协议,大大简化了Web3应用的用户接入流程。
核心更新内容
网络同步机制优化
本次更新重点修复了W3mFrameProvider初始化时缺少当前链ID导致的问题,该问题曾造成AppKit与Secure站点之间的网络同步不一致。技术团队通过完善初始化流程,确保了网络状态在多端间的准确同步。
钱包显示逻辑改进
-
移动端适配优化:针对Solflare和Coinbase等钱包的移动端链接显示问题进行了修复,现在能更准确地判断哪些钱包需要在移动端显示连接选项。
-
钱包排序算法:改进了featuredWallets的获取逻辑,从原地排序改为创建新排序数组,确保了钱包顺序的稳定性。同时优化了多个钱包安装时的排序逻辑,使其严格遵循featuredWalletIds的顺序。
用户体验增强
-
路由逻辑简化:将复杂的多参数路由替换为更清晰的回调机制(error/success/cancel),提高了代码可维护性。
-
ENS注册错误处理:修复了ENS注册因签名过期导致模态框无提示关闭的问题,现在会正确显示错误信息。
-
网络切换体验:修复了当切换到已连接过的不同命名空间时,认证提供商的网络切换功能未被触发的问题。
安全与认证改进
-
SIWX消息文本更新:改进了SIWX(Sign-In with X)消息文本处理,现在能够正确显示来自CAIP网络ID的网络名称。
-
社交连接事件增强:为connectSocial应用事件添加了chainId参数,解决了用户可能连接到错误网络的情况。
嵌入式模式优化
修复了嵌入式模式下用户连接后被错误重定向到连接页面而非账户页面的问题,提升了嵌入式场景下的用户体验。
技术实现细节
-
wagmi连接管理:针对Vue移动端环境优化了wagmi的连接清理机制,确保连接状态能被正确重置。
-
模态框行为控制:修复了选择不支持链时模态框意外关闭的问题,增强了用户操作的确定性。
-
远程功能配置:新增了远程功能配置处理能力,为动态功能管理提供了基础设施。
开发者建议
对于集成web3modal的开发者,建议重点关注以下方面:
-
检查网络同步逻辑是否受本次更新影响,特别是多链应用场景。
-
验证钱包显示顺序是否符合预期,特别是当配置了featuredWalletIds时。
-
测试社交连接流程,确保chainId参数被正确处理。
-
嵌入式模式开发者应验证连接后的重定向行为。
本次更新通过一系列细致优化,显著提升了web3modal的稳定性、用户体验和开发者友好度,是Web3应用开发者的重要升级选择。
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