SwiftOldDriver/iOS-Weekly:Swift 实现 Objective-C 类的新思路
在 Swift 与 Objective-C 混编的大型项目中,开发者们一直面临着一些棘手的挑战。最近 Swift 团队提出的 SE-0436 方案为我们提供了一种全新的思路:用 Swift 代码来实现 Objective-C 的 Category/Extension,同时保持对调用者的完全透明。
混编项目的痛点
对于同时使用 Swift 和 Objective-C 的大型项目来说,编译效率一直是个令人头疼的问题。当 Swift 代码需要被 Objective-C 调用时,编译器会自动生成对应的头文件(Header),这个过程在增量编译时会显著拖慢构建速度。某大型互联网团队在实际项目中就发现,这种自动生成的 Header 文件成为了编译性能的瓶颈之一。
另一个问题是代码可读性。自动生成的 Header 文件往往结构混乱,可读性差,这对于习惯了通过 Header 文件快速了解接口设计的 Objective-C 开发者来说,无疑增加了理解和维护的难度。
SE-0436 方案的创新之处
SE-0436 方案的核心思想是允许开发者用 Swift 来实现 Objective-C 类的方法,同时保持对调用者的完全透明。这意味着:
- 调用方无需知道实现是用 Swift 编写的
- 不需要生成额外的 Header 文件
- 实现细节完全隐藏在 Swift 代码中
这种设计巧妙地避开了传统混编方式的几个主要痛点。某浏览器引擎团队在实际项目中已经先行尝试了类似的技术,他们为媒体播放器组件添加了 Swifty 风格的接口,如 var isLoadingPublisher: AnyPublisher<Bool, Never>,同时保持了底层实现的灵活性。
技术实现的价值
这项技术的价值不仅限于解决编译效率问题,它还为代码架构设计提供了新的可能性:
- 渐进式迁移:可以逐步将 Objective-C 实现替换为 Swift,而不影响现有调用者
- 接口现代化:在保持原有 Objective-C 接口的同时,内部可以使用更现代的 Swift 特性
- 性能优化:某些场景下 Swift 实现可能比 Objective-C 更高效
- 代码组织:可以将相关功能更合理地组织在 Swift 模块中
实际应用场景
想象一个大型商业应用,核心模块是用 Objective-C 编写的,但随着业务发展,团队希望逐步迁移到 Swift。使用 SE-0436 方案的技术,可以:
- 先保持原有 Objective-C 接口不变
- 用 Swift 重新实现部分功能
- 逐步替换整个模块
- 最终完全移除 Objective-C 代码
整个过程对应用的其他部分完全透明,不会造成大规模重构的冲击。
未来展望
这项技术为 Swift 和 Objective-C 的长期共存提供了更优雅的方案。随着 Swift 语言的持续进化,我们可能会看到更多类似的桥接技术出现,帮助开发者更平滑地从 Objective-C 过渡到 Swift,同时保持项目的稳定性和可维护性。
对于正在考虑或正在进行 Objective-C 向 Swift 迁移的团队来说,SE-0436 方案提供的技术路线值得深入研究和尝试。它不仅解决了实际问题,还可能改变我们对混编架构的思考方式。
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-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