Flet项目新版本依赖管理方案解析
Flet项目在最新版本中对依赖管理进行了重大改进,通过引入Python包的分组安装机制,为开发者提供了更灵活的依赖管理方式。这一改进主要解决了之前版本中全量安装带来的资源浪费问题,特别是在部署场景下不必要的依赖项问题。
原有安装机制的问题
在0.24.1版本中,当用户执行pip install flet时,会一次性安装所有组件:
- Flet核心库
- Flet运行时
- Flet命令行工具
- Flet桌面端二进制文件
- Flet网页客户端
这种全量安装方式在开发环境中尚可接受,但在生产部署时会造成资源浪费。虽然flet build命令尝试将flet替换为精简版的flet-embed包,但当flet作为间接依赖存在时,这种替换机制就会失效。
新版本解决方案
Flet 0.25版本引入了基于Python包extras的分组安装机制,允许开发者根据实际需要选择安装特定组件组合。这种设计借鉴了Python生态中成熟的依赖管理实践,为不同使用场景提供了定制化的安装选项。
主要安装选项
-
完整安装(开发环境推荐): 包含全部组件:核心库、CLI工具、网页客户端和桌面端
pip install flet[all] -
网页端安装(Docker容器部署推荐): 仅包含运行网页应用必需的组件
pip install flet[web] -
桌面端安装(桌面应用开发推荐): 包含核心库、CLI工具和桌面端组件
pip install flet[desktop] -
CLI工具安装(CI/CD环境推荐): 仅包含核心库和CLI工具
pip install flet[cli]
向后兼容设计
为了平滑过渡,新版本保留了pip install flet的安装方式。这种安装方式会:
- 安装Flet核心库
- 安装一个轻量级的shim程序
- 在首次使用时自动检测并安装缺失的CLI工具
这种设计既保证了现有项目的兼容性,又为开发者提供了逐步迁移到新安装方式的时间窗口。
技术实现考量
在技术实现上,项目团队最初尝试使用依赖标记(dependency markers)来动态排除不需要的组件,但发现与Poetry工具链的兼容性存在问题。最终选择了Python包的extras机制,这种方案具有以下优势:
- 明确性:开发者可以清晰表达自己的依赖需求
- 灵活性:支持多种组合安装方式
- 工具兼容性:与主流Python工具链良好兼容
- 可维护性:便于后续扩展新的组件组合
对于使用Poetry的项目,可以通过pyproject.toml文件中的extras部分来声明这些可选依赖,保持项目依赖管理的统一性。
最佳实践建议
- 开发环境:推荐使用
flet[all]安装全部组件,获得完整的开发体验 - 生产部署:
- Web应用使用
flet[web] - 桌面应用使用
flet[desktop]
- Web应用使用
- CI/CD管道:使用
flet[cli]最小化安装,提高构建效率 - 现有项目迁移:可以先保持原有安装方式,逐步测试新安装选项的兼容性
这一改进显著提升了Flet项目在不同场景下的适用性,特别是资源受限环境下的部署效率,同时也为项目的长期维护和扩展奠定了良好的基础。
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