LiveBlocks v2.24.0 版本发布:线程订阅功能与通知系统优化
2025-06-14 09:06:07作者:尤峻淳Whitney
项目简介
LiveBlocks 是一个用于构建实时协作应用的开发平台,提供实时数据同步、状态管理和协作功能。其核心优势在于简化了多人协作场景的开发复杂度,让开发者能够快速实现如协同编辑、实时聊天等需要多人即时互动的功能。
版本亮点
本次发布的 v2.24.0 版本主要围绕线程通知系统进行了重要改进,引入了线程订阅功能并对相关概念进行了重新梳理,使通知系统更加灵活和清晰。
1. 线程订阅功能
新版本最显著的改进是引入了线程级别的订阅机制,这为用户提供了更细粒度的通知控制:
- 选择性订阅:用户现在可以订阅感兴趣的线程而不必参与其中
- 精准退订:能够单独退订特定线程的通知,不影响其他线程
- 订阅状态可见:线程及其关联的通知现在都会包含订阅状态信息
这项功能特别适合大型协作场景,比如设计评审或文档讨论,用户可以根据自己的关注点灵活管理通知。
2. 通知系统概念重构
为了提升API的清晰度,开发团队对通知相关的命名进行了调整:
NotificationSettings更名为SubscriptionSettings- 相关的方法名也做了相应变更,如
useRoomNotificationSettings变为useRoomSubscriptionSettings
虽然这些变更不会导致功能中断,但团队提供了详细的升级指南帮助开发者平滑过渡。
3. 新增功能与API
前端相关 (@liveblocks/react)
- 新增
useSubscribeToThread和useUnsubscribeFromThread钩子 - 扩展
useThreadSubscription钩子,增加subscribe和unsubscribe方法 - 支持
textMentions文本提及功能
服务端相关 (@liveblocks/node)
- 新增线程订阅管理方法:
subscribeToThread、unsubscribeFromThread等 - 同样支持
textMentions功能
客户端核心 (@liveblocks/client)
- 增加
Room.subscribeToThread和Room.unsubscribeFromThread方法 - 线程查询结果现在包含订阅状态
4. 开箱即用的UI组件 (@liveblocks/react-ui)
React UI 组件库已内置支持线程订阅功能:
- 在
Thread组件中自动包含"订阅/取消订阅"操作 - 通知收件箱组件也集成了相关功能
技术意义
这次更新从架构层面改进了通知系统的设计:
- 解耦参与与订阅:将"参与线程"和"接收通知"两个概念分离,使系统更符合用户心智模型
- 更精细的控制:线程级别的订阅让用户能精准管理通知流,减少无关干扰
- 一致性提升:统一的命名规范使API更易于理解和使用
升级建议
虽然本次变更主要是非破坏性的,但建议开发者:
- 尽早更新命名规范,使用新的
Subscription系列API - 评估现有应用是否需要集成线程订阅功能
- 考虑如何向终端用户展示新的订阅选项
对于大型项目,可以利用官方提供的codemod工具自动化完成大部分重命名工作。
总结
LiveBlocks v2.24.0 通过引入线程订阅机制,显著提升了协作应用的通知管理能力。这项改进使开发者能够构建更符合用户期望的协作体验,同时通过概念重构使API更加清晰一致。这些变化体现了LiveBlocks团队对开发者体验和终端用户体验的双重关注,是平台成熟度不断提升的标志。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
660
308
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.81 K
React Native鸿蒙化仓库
JavaScript
259
322
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.19 K
653
仓颉编程语言运行时与标准库。
Cangjie
141
878