WalletConnect Core 2.21.0版本发布:命名空间优化与能力缓存增强
项目简介
WalletConnect是一个开源协议,用于在钱包和DApp之间建立安全的通信通道。其核心组件@walletconnect/core作为整个生态系统的基石,负责处理连接建立、会话管理、消息传递等核心功能。本次发布的2.21.0版本带来了两项重要改进,进一步优化了开发体验和功能稳定性。
命名空间处理逻辑优化
在WalletConnect的会话协商过程中,命名空间(namespaces)定义了双方支持的功能和链信息。本次更新中,团队对命名空间处理逻辑进行了重要调整:
-
废弃requiredNamespaces参数:原先开发者可以通过
requiredNamespaces参数指定必须支持的命名空间。现在这一参数已被标记为废弃(deprecated)。 -
自动迁移机制:为了保持向后兼容性,当代码中仍使用
requiredNamespaces时,系统会自动将其值赋给optionalNamespaces。这意味着即使开发者尚未更新代码,应用仍能正常工作,但会收到废弃警告。
这一变更反映了WalletConnect团队对API设计的重新思考。在实践中,严格要求命名空间可能会导致不必要的连接失败,而将其转为可选参数可以提供更灵活的连接体验,同时鼓励开发者采用更现代的API设计模式。
能力缓存机制增强
本次更新的另一项重要改进是针对wallet_getCapabilities方法的缓存机制优化:
-
多维度缓存键:原先的能力缓存仅基于钱包地址,现在新增了链ID(chainId)作为缓存键的一部分。这意味着同一钱包在不同链上的能力将被分别缓存。
-
更精确的请求决策:当需要查询钱包能力时,系统会同时检查地址和链ID,只有当两者都不匹配现有缓存时才会发起新的请求。这显著减少了不必要的网络通信。
这项改进特别适合多链环境,例如一个钱包可能在主网和其他区块链网络上支持不同的能力集。新的缓存机制确保了每种组合都能被正确处理,同时保持了高效的网络利用率。
开发者影响与升级建议
对于正在使用WalletConnect的开发者,本次更新需要注意以下几点:
-
命名空间参数更新:建议检查代码中所有使用
requiredNamespaces的地方,逐步迁移到optionalNamespaces参数,以避免未来版本可能出现的兼容性问题。 -
缓存行为变化:如果应用依赖
wallet_getCapabilities的返回结果,需要注意新的缓存逻辑可能导致不同链上的结果不再共享。 -
依赖同步更新:由于
@walletconnect/types和@walletconnect/utils也同步更新到了2.21.0版本,建议一并升级这些配套依赖。
技术实现细节
从技术角度看,这些改进体现了WalletConnect团队对协议稳定性和开发者体验的持续关注:
-
渐进式废弃策略:通过自动迁移而非立即移除
requiredNamespaces,为开发者提供了充足的过渡时间。 -
缓存策略优化:新的多维缓存键设计采用了组合键模式,这是处理多维度数据缓存的经典解决方案,确保了缓存的高效性和准确性。
-
类型系统保障:配套的类型定义更新确保了TypeScript用户能立即感知到API变化,降低了升级过程中的错误风险。
总结
WalletConnect Core 2.21.0版本通过命名空间处理的简化和能力缓存机制的增强,进一步提升了协议的稳定性和灵活性。这些改进虽然看似细微,但对于构建可靠的钱包连接体验至关重要。建议开发者及时评估这些变更对现有应用的影响,并计划适当的升级工作。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
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
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
compass-metrics-modelMetrics model project for the OSS CompassPython00