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setContentAndSnapshotAPI,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。
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