Mosaic项目0.16.0版本发布:优化静态组件与快照测试
Mosaic是一个由JakeWharton开发的现代化UI工具库,它基于Kotlin的Compose技术栈,为终端应用开发提供了声明式的UI构建方式。该项目特别适合需要构建命令行界面(CLI)或终端交互式应用的开发者,通过类似Jetpack Compose的API,开发者可以用更简洁、更声明式的方式构建终端用户界面。
核心变更解析
新增setContentAndSnapshot测试API
在0.16.0版本中,测试模块新增了一个关键API——setContentAndSnapshot
。这个改进解决了测试中一个潜在的竞态条件问题。
在之前的版本中,测试流程通常是先调用setContent
设置UI内容,然后调用awaitSnapshot
等待并获取快照。这种两步操作存在一个问题:awaitSnapshot
可能会触发额外的重组(recomposition),导致我们无法准确观察到初始渲染状态。
新API将这两个操作合并为一个原子操作,直接返回初始组合的快照,确保了测试能够捕获到最原始的UI状态。这对于验证初始渲染行为特别有价值,特别是在测试条件渲染或状态初始化逻辑时。
Static组件行为重构
本次版本对Static
组件进行了重大行为调整。在之前版本中,Static
接受一个列表参数,这种设计显得有些冗余且不符合直觉。
新版本中,Static
组件的行为被简化为一个普通的可组合函数,但具有特殊的一次性渲染特性。这意味着:
- 它现在表现得像常规的Composable函数
- 但只会在首次组合时执行其内容函数
- 后续重组不会重新执行内容函数
这种改变使API更加符合开发者对Composable函数的直觉预期,同时保留了静态内容的优化特性。对于展示不会改变的静态内容(如帮助文本、固定格式信息等)非常有用。
移除Jansi依赖
另一个值得注意的变更是移除了对Jansi库的依赖。Jansi是一个为Windows平台提供ANSI颜色支持的Java库。
这一变更意味着:
- 项目减少了一个外部依赖
- 简化了构建配置
- 可能意味着Mosaic现在使用其他方式或原生支持来处理Windows上的ANSI颜色
对于开发者而言,这一变更通常是透明的,除非你特别依赖Jansi的某些特性。大多数情况下,终端颜色输出应该会继续正常工作。
升级建议
对于现有项目升级到0.16.0版本,开发者需要注意以下几点:
-
测试代码中可以考虑将
setContent
+awaitSnapshot
模式迁移到新的setContentAndSnapshot
API,特别是在需要验证初始渲染状态的测试用例中。 -
检查所有使用
Static
组件的地方,移除不必要的列表参数包装,直接传递内容函数即可。 -
如果项目中直接依赖了Jansi库,可能需要单独声明这个依赖,或者验证颜色输出在Windows平台上的表现是否符合预期。
这个版本的变更主要集中在API优化和简化上,没有引入破坏性的大改动,因此升级应该相对平滑。不过,由于Static
组件的行为变更,建议在升级后运行完整的测试套件来验证所有静态内容的展示是否正确。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~057CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0381- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









