DoctrineExtensions 项目中关于软删除依赖问题的分析与解决方案
问题背景
在 Symfony 6.4 环境中使用 DoctrineExtensions 时,开发者可能会遇到一个常见错误提示:"The service 'gedmo.listener.softdeleteable' has a dependency on a non-existent service 'annotation_reader'"。这个问题源于 Symfony 6.4 开始逐步弃用传统的注解(annotation)系统,转而全面支持属性(attribute)系统。
技术解析
DoctrineExtensions 是一个为 Doctrine ORM 提供行为扩展功能的流行库,其中包括软删除(SoftDeleteable)、时间戳(Timestampable)等实用功能。传统上,这些功能都是通过注解方式配置的。
随着 PHP 8.0 引入原生属性支持,现代 PHP 框架和库都在向属性系统迁移。DoctrineExtensions 从 3.x 版本开始已经全面支持属性配置方式,但为了向后兼容,仍然保留了注解支持。
解决方案
方案一:使用属性替代注解
DoctrineExtensions 已经完全支持属性配置方式。开发者可以:
- 移除服务定义中的
setAnnotationReader调用 - 将实体类中的注解配置转换为属性配置
例如,软删除功能可以从:
/**
* @Gedmo\SoftDeleteable(fieldName="deletedAt", timeAware=false)
*/
class YourEntity
改为:
#[Gedmo\SoftDeleteable(fieldName: "deletedAt", timeAware: false)]
class YourEntity
方案二:显式配置属性阅读器
如果项目需要显式配置阅读器,可以:
- 创建
Gedmo\Mapping\Driver\AttributeReader服务 - 在服务配置中将此阅读器传递给相应的监听器
方案三:临时兼容方案
对于需要暂时保持注解方式的项目,可以安装 doctrine/annotations 包:
composer require doctrine/annotations
但这只是过渡方案,建议尽快迁移到属性系统。
最佳实践建议
- 新项目:直接使用属性配置方式,避免引入注解依赖
- 旧项目迁移:
- 先确保 DoctrineExtensions 版本在 3.x 以上
- 逐步将实体类中的注解转换为属性
- 移除服务配置中的注解阅读器依赖
- 混合环境:可以同时配置注解和属性阅读器,但会增加复杂性
技术前瞻
随着 PHP 生态全面转向属性系统,注解方式将逐步退出历史舞台。DoctrineExtensions 的这种变化代表了现代 PHP 开发的最佳实践方向。开发者应该尽早适应这种变化,以保持项目的长期可维护性。
通过采用属性系统,项目不仅能够获得更好的性能(因为属性是 PHP 原生特性),还能简化依赖关系,提高代码的可读性和可维护性。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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