解决Isar Flutter库在compileSdk 34下的资源链接错误
在Flutter开发中使用Isar数据库时,许多开发者遇到了一个常见的构建错误,特别是在升级到compileSdk 34后。这个错误通常表现为Android资源链接失败,提示"resource android:attr/lStar not found"。
问题背景
当开发者尝试构建Flutter应用时,特别是在发布模式下,Gradle任务:isar_flutter_libs:verifyReleaseResources会失败。错误信息表明系统找不到Android资源属性lStar,这通常发生在使用较新版本的compileSdk时。
根本原因
这个问题的根源在于Isar Flutter库与最新Android SDK版本的兼容性问题。lStar是Android较新版本引入的一个属性,当库的compileSdk版本与项目配置不一致时,就会出现这种资源链接错误。
解决方案
通过在项目的android/build.gradle文件中添加特定的Gradle配置脚本,可以解决这个问题。以下是完整的解决方案:
allprojects {
repositories {
google()
mavenCentral()
}
}
rootProject.buildDir = "../build"
subprojects {
afterEvaluate { project ->
if (project.plugins.hasPlugin("com.android.application") ||
project.plugins.hasPlugin("com.android.library")) {
project.android {
compileSdkVersion 34
buildToolsVersion "34.0.0"
}
}
if (project.hasProperty("android")) {
project.android {
if (namespace == null) {
namespace project.group
}
}
}
}
project.buildDir = "${rootProject.buildDir}/${project.name}"
}
subprojects {
project.evaluationDependsOn(":app")
}
tasks.register("clean", Delete) {
delete rootProject.buildDir
}
解决方案解析
-
统一compileSdk版本:脚本确保所有子项目都使用compileSdk 34,避免了版本不一致导致的资源链接问题。
-
命名空间处理:为没有明确设置namespace的Android模块提供默认命名空间,这是Android Gradle插件的新要求。
-
构建目录配置:正确设置构建目录结构,确保Gradle能找到所有必要的构建产物。
-
项目依赖管理:通过
project.evaluationDependsOn(":app")确保正确的项目评估顺序。
注意事项
如果遇到"Cannot run Project.afterEvaluate(Closure) when the project is already evaluated"错误,请注意:
- 将
project.evaluationDependsOn(":app")放在单独的subprojects块中 - 确保配置顺序正确,避免在项目已经评估后尝试修改配置
结论
这个解决方案不仅适用于Isar Flutter库,对于其他Flutter插件在compileSdk 34下出现的类似资源链接问题也有参考价值。通过统一SDK版本和正确配置Gradle,可以确保构建过程顺利进行。
对于Flutter开发者来说,理解这些构建配置的细节非常重要,特别是在处理原生Android模块时。这种问题通常会在Flutter或插件升级时出现,掌握解决方法可以节省大量调试时间。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00