WalletConnect/web3modal 1.7.7版本更新解析:钱包连接与网络同步优化
WalletConnect/web3modal是一个流行的Web3钱包连接解决方案,它简化了DApp与各种钱包的集成过程。该项目的核心目标是提供标准化的钱包连接接口,支持多种钱包协议,包括WalletConnect、MetaMask等。最新发布的1.7.7版本带来了一系列重要改进,主要集中在钱包连接稳定性、网络同步和用户体验方面。
核心改进点分析
网络同步机制优化
1.7.7版本修复了W3mFrameProvider初始化时可能出现的网络同步问题。当没有当前链ID时,AppKit和Secure站点之间的网络同步会出现不一致的情况。这个修复确保了在不同组件间网络状态的正确传递,特别是在多链环境下。
钱包显示逻辑调整
开发团队对钱包显示逻辑进行了两处重要调整:
- 修正了Solflare钱包的显示条件,现在它与Coinbase钱包一样,即使没有mobile_link属性也会在"所有钱包"列表中显示
- 改进了fetchFeaturedWallets()函数的实现,现在它会创建新的排序数组而不是原地排序,保持了钱包顺序的稳定性
社交连接事件增强
新版本在connectSocial应用事件中添加了chainId参数。这一改进解决了用户可能连接到错误网络的问题,特别是在多链环境中进行社交登录时,能够更精确地跟踪网络连接状态。
认证提供者网络切换修复
修复了一个重要问题:当切换到之前连接过的不同命名空间时,认证提供者的网络切换功能可能不会被调用。这个修复确保了命名空间切换时网络状态的正确更新,提高了多链应用的稳定性。
用户体验改进
路由逻辑简化
开发团队重构了路由处理逻辑,用回调函数替代了多个参数,用于处理错误、成功和取消等情况。这一变化使得代码更加清晰,也降低了未来维护的复杂度。
ENS注册错误处理
修复了ENS注册过程中因签名过期错误导致模态框关闭而不显示错误信息的问题。现在用户能够获得更明确的反馈,知道操作失败的原因。
模态框行为优化
修正了在不支持的链选择时模态框关闭的问题,现在能够保持打开状态并显示适当的错误信息,引导用户选择正确的网络。
其他技术改进
1.7.7版本还包含以下技术增强:
- 更新了SIWX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
- 添加了远程功能配置处理能力,为未来可能的远程配置管理奠定了基础
- 在meld URL中添加了externalCustomerId参数,增强了与第三方服务的集成能力
总结
WalletConnect/web3modal 1.7.7版本虽然是一个小版本更新,但包含了许多重要的稳定性和用户体验改进。这些变化特别有利于需要处理多链环境、多种钱包类型和复杂用户流程的DApp开发者。通过解决网络同步、钱包显示和错误处理等核心问题,这个版本进一步巩固了WalletConnect/web3modal作为Web3连接解决方案的可靠性。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00