WalletConnect/web3modal 1.7.4版本更新解析:多链钱包连接体验全面升级
WalletConnect/web3modal是一个开源的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。通过提供标准化的连接接口,开发者可以轻松实现多链钱包的支持,而无需为每个钱包单独开发适配代码。最新发布的1.7.4版本带来了一系列重要改进,特别是在多链支持、用户体验和安全性方面。
核心功能增强
社交登录PWA环境兼容性修复
本次更新解决了PWA(渐进式Web应用)环境中社交登录功能失效的问题。在移动端PWA应用中,由于特殊的运行环境限制,之前的版本可能导致社交登录流程中断。新版本优化了OAuth流程处理,确保在PWA沙箱环境中也能顺利完成社交账号登录。
云认证功能扩展
CloudAuthSIWX组件新增了data属性支持,这一改进使得:
- 特定区块链数据可以被云认证服务正确解析
- 用户数据能够更清晰地展示在云服务仪表盘中
- 开发者可以传递更多上下文信息到认证流程
同时,BIP122Verifier和SIWX类型现在已从@reown/appkit-siwx包中导出,为开发者提供了更完善的类型支持和验证工具。
多链支持强化
Cosmos命名空间支持
1.7.4版本正式引入了Cosmos生态系统的命名空间支持,这意味着:
- 开发者现在可以更便捷地集成Cosmos SDK生态的钱包
- 用户能够通过统一接口连接Cosmos生态的DApp
- 跨链交互体验得到标准化处理
网络切换优化
针对多链环境下的网络切换问题,本次更新包含多项改进:
- 修复了网络启用/禁用逻辑在Demo应用中的表现
- 确保接收页面只显示当前命名空间下的网络
- 升级了sats-connect以支持连接过程中的网络切换
- 同步逻辑优化,确保所有账户类型在账户变更后都能正确同步
嵌入式钱包体验提升
嵌入式钱包功能得到多项稳定性修复:
- 修复了非嵌入式钱包发送资产时界面显示空白的问题
- 解决了嵌入式钱包信息可能错误填充的问题
- 优化了嵌入式钱包使用时的模态框布局
- 确保钱包信息在初始连接时正确设置
用户体验优化
连接流程改进
- 自定义连接器现在可以正确显示在移动端
- 当邮箱和社交登录都被禁用时,"Get Started"按钮不再错误显示
- 从安全站点直接打开加载屏幕,替代之前的空白页,提升用户体验
ENS处理简化
移除了所有适配器特定的ENS名称、地址和头像获取逻辑,统一使用BlockChain API进行ENS调用,这带来了:
- 更一致的ENS解析行为
- 减少代码复杂度
- 提高解析可靠性
开发者体验改进
类型系统增强
通过导出更多类型定义,开发者现在可以获得:
- 更好的类型提示
- 更严格的类型检查
- 更清晰的API文档
钱包连接依赖升级
WalletConnect相关依赖已升级至2.20.x版本,带来:
- 最新的协议支持
- 性能改进
- 安全性增强
移动端体验修复
针对移动端特有的问题,本次更新包含:
- 深度链接功能修复,确保在移动设备上能正确跳转
- 移动端PWA环境下的社交登录流程优化
- 移动端界面布局调整
总结
WalletConnect/web3modal 1.7.4版本是一次全面的稳定性更新和功能增强,特别在多链支持、嵌入式钱包体验和移动端适配方面有显著提升。对于开发者而言,新版本提供了更完善的类型系统和更清晰的API;对于最终用户,则带来了更流畅的钱包连接体验和更可靠的跨链交互能力。这些改进使得Web3Modal继续保持着作为多链钱包连接解决方案的领先地位。
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