Core Lightning v25.05rc1版本深度解析:闪电网络节点实现的重要更新
项目简介
Core Lightning(原c-lightning)是闪电网络协议的一个高效实现,由Blockstream旗下的Elements Project团队开发维护。作为闪电网络生态中的核心组件之一,它提供了完整的节点功能实现,使开发者能够运行自己的闪电网络节点,参与网络路由和支付。
版本核心特性
性能优化与用户体验提升
本次发布的v25.05rc1候选版本在多个方面进行了显著优化。最值得注意的是交易确认环节的延迟降低,通过改进commit(提交)和revoke(撤销)消息的处理机制,使得通道状态更新更加迅速。这一改进直接影响到用户的支付体验,特别是在高频交易场景下。
对于使用reckless插件管理系统的用户,新版本增加了插件更新功能。通过简单的reckless update命令即可完成已有插件的升级,简化了节点维护流程。同时,路由算法针对高容量通道进行了特别优化,使得AskRene等特定支付场景能够更有效地利用网络资源。
在费用计算方面,新版本改进了锚点通道(anchor channels)的费用估算模型,使其更加精确。锚点通道是闪电网络中的一种特殊通道类型,允许参与者动态调整手续费,这一改进有助于用户更准确地预测交易成本。
开发者功能增强
API层面,listhtlcs命令新增了分页支持,开发者现在可以通过index、start和end参数控制返回结果的范围,这对于处理大量HTLC(哈希时间锁合约)的节点尤为重要。同时,waitAPI扩展了对listhtlcs子系统的支持,使得开发者能够更灵活地监控HTLC状态变化。
新引入的signmessagewithkeyRPC方法允许直接使用钱包中的密钥对消息进行签名,为开发者提供了更底层的密码学操作接口。sendonion命令的改进使其参数与sendpay保持一致,新增的total_amount_msat参数使得两种支付方式可以更无缝地切换使用。
协议层重要更新
Peer Storage功能从实验状态升级为默认功能,这是本次版本最重要的协议变更之一。Peer Storage通过优化数据存储方式,不仅提高了节点性能,还增强了稳定性。这一功能在之前的实验阶段已经显示出显著优势,现在正式成为标准配置。
在通道管理方面,新版本实现了与Eclair节点的拼接(splicing)互操作性,并支持拼接交易的RBF(费用替换)功能。拼接技术允许在不关闭原有通道的情况下调整通道容量,RBF支持则让用户在网络拥堵时可以灵活调整手续费,这些改进大大提升了通道管理的灵活性。
技术实现亮点
LSPS(Lightning Service Provider Protocol)客户端和服务端插件的初步实现是本版本的另一个技术亮点。目前已经完成了LSPS0传输协议的实现,为未来更丰富的服务提供商生态奠定了基础。LSPS协议旨在标准化闪电网络服务提供商的接口,使节点能够以统一的方式访问各类增值服务。
在底层架构上,团队继续优化了BOLT协议规范的实现细节,特别是针对各种边界条件的处理更加健壮。这些改进虽然对终端用户不可见,但对于网络的整体稳定性和安全性至关重要。
总结与展望
Core Lightning v25.05rc1候选版本在性能、用户体验和协议支持等方面都带来了实质性提升。从降低核心消息延迟到完善开发者工具,再到推进LSPS生态系统建设,这个版本体现了项目团队对闪电网络基础设施持续改进的承诺。
随着Peer Storage成为默认功能以及拼接技术的成熟,Core Lightning在节点效率和通道管理灵活性方面已经处于行业领先地位。未来随着LSPS相关功能的进一步完善,我们可以期待一个更加开放和可扩展的闪电网络服务生态系统。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
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
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