Flutter Rust Bridge v2.8.0 版本发布:跨语言开发新体验
Flutter Rust Bridge 是一个强大的工具,它允许开发者在 Flutter 应用中使用 Rust 代码,充分发挥 Rust 的高性能和安全性优势,同时享受 Flutter 的跨平台开发体验。通过自动生成绑定代码,它简化了 Dart 和 Rust 之间的互操作过程。
主要更新内容
结构体和枚举的忽略控制
新版本增加了对结构体或枚举的"取消忽略"支持。这意味着开发者可以更灵活地控制哪些 Rust 类型需要暴露给 Dart 端。在之前的版本中,一旦某个类型被标记为忽略,就无法在后续开发中取消这个标记。现在,开发者可以根据需要动态调整类型的可见性,这在大型项目中特别有用,当某些类型在开发后期才需要暴露给前端时。
Dart 端 JSON 序列化支持
本次更新引入了 Dart 端的 JSON 序列化功能。这使得在 Flutter 应用中处理来自 Rust 的复杂数据结构变得更加方便。开发者现在可以直接将 Rust 结构体序列化为 JSON 字符串,并在 Dart 端进行解析,或者反过来。这个特性特别适合需要与 Web API 交互的应用场景,大大简化了前后端数据交换的过程。
常量转换为 Getter
新版本支持将 Rust 中的常量转换为 Dart 的 getter 方法。这一改进使得在 Dart 端访问 Rust 常量更加符合 Dart 的语言习惯。例如,Rust 中的 pub const MAX_VALUE: i32 = 100; 现在可以在 Dart 端像访问属性一样使用:final max = api.maxValue;,而不是像以前那样需要调用函数。
原始标识符处理改进
在枚举值字段的处理上,新版本不再剥离原始标识符(raw identifiers)。这意味着如果 Rust 代码中使用了关键字作为枚举值字段名(如 r#type),在生成的 Dart 代码中会保持原样,而不是被修改。这一改进提高了代码的一致性和可预测性,特别是在处理与 Rust 关键字冲突的标识符时。
64位整数处理修复
修复了当 type_64bit_int 设置为 false 时,使用 HashSet 和 u64 类型导致的编译器错误。这个修复确保了在不同平台配置下类型系统的一致性,特别是在需要确保32位兼容性的场景中。
技术实现细节
在底层实现上,Flutter Rust Bridge v2.8.0 对代码生成器进行了多项优化。no_mangle 属性的代码生成逻辑得到了更新,确保了 Rust 函数在编译后的符号名称保持不变,这对于动态链接和调试非常有帮助。同时,CI 流程中的版本检查也得到了更新,确保构建环境的兼容性。
升级建议
对于现有项目,升级到 v2.8.0 版本通常是安全的,但需要注意以下几点:
-
如果项目中使用了原始标识符作为枚举值字段名,升级后这些名称将保持不变,可能需要检查 Dart 端的调用代码是否需要调整。
-
新的 JSON 序列化功能可能需要添加额外的依赖项,确保在
pubspec.yaml中添加了必要的序列化库。 -
对于使用了大量常量的项目,可以考虑将常量访问方式从方法调用改为 getter 访问,以获得更简洁的代码风格。
Flutter Rust Bridge 持续改进其跨语言互操作能力,v2.8.0 版本的这些新特性和修复进一步简化了 Rust 和 Flutter 的集成开发体验,为开发者提供了更强大、更灵活的工具集。
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