Circuit 0.27.1 版本发布:导航优化与稳定性提升
项目简介
Circuit 是 Slack 开源的一款现代化的 Android 应用架构框架,它结合了 Jetpack Compose 和 Kotlin 协程的优势,为开发者提供了一套声明式 UI 和状态管理的解决方案。Circuit 采用了单向数据流的设计模式,通过事件(Event)和状态(State)的明确分离,帮助开发者构建可维护、可测试的 Android 应用。
版本亮点
稳定性修复
本次 0.27.1 版本修复了一个关键性的崩溃问题,该问题会在调用 resetRoot 方法时,如果相同的 Screen 仍在组合中时发生。这个修复显著提升了应用在导航重置场景下的稳定性。
导航功能增强
-
底部导航栏示例应用
新版本增加了一个展示底部导航栏实现的示例应用,为开发者提供了标准化的实现参考。这个示例展示了如何在 Circuit 架构中优雅地处理底部导航栏的切换逻辑。 -
Android 预测性返回导航改进
AndroidPredictiveBackNavDecorator的行为进行了优化,使其更符合 Android 预测性返回手势的设计规范。这一改进使得返回动画更加自然流畅,提升了用户体验的一致性。
依赖项更新
- 将 Compose BOM 更新至 2025.04.00 版本
- Dagger 升级到 2.56.1
- Kotlin 协程更新至 1.10.2
- AndroidX Core 升级到 1.16.0
- 其他相关依赖项的版本同步更新
技术细节解析
导航架构优化
在 Circuit 框架中,导航是一个核心功能。本次更新对导航系统进行了多方面的优化:
-
重置根导航修复
修复了在重置根导航时可能导致的崩溃问题。这个问题通常发生在快速导航切换的场景中,现在框架能够正确处理这种边界情况。 -
预测性返回手势改进
新的AndroidPredictiveBackNavDecorator实现更精确地模拟了原生 Android 系统的返回手势行为,包括动画曲线和手势响应阈值。开发者现在可以更轻松地实现符合 Material Design 规范的返回交互。
架构隔离
本次更新将 Compose Material 依赖项从公开 API 中移除,改为内部实现细节。这一变化带来了几个好处:
- 减少了框架使用者的依赖冲突风险
- 提供了更大的灵活性,允许未来在不破坏兼容性的情况下更换 UI 实现
- 使框架核心更加轻量级
开发者实践建议
对于正在使用或考虑采用 Circuit 框架的开发者,基于本次更新,我们建议:
-
导航实现
可以参考新加入的底部导航栏示例来规范化自己的导航实现。这个示例展示了如何在 Circuit 的架构中管理多个导航目的地和状态。 -
依赖管理
建议同步更新到新版依赖项,特别是 Compose BOM 的更新,可以确保各 Compose 组件版本的兼容性。 -
返回手势处理
对于需要自定义返回行为的应用,可以利用改进后的AndroidPredictiveBackNavDecorator来实现更符合平台规范的效果。
总结
Circuit 0.27.1 版本虽然是一个小版本更新,但带来了重要的稳定性修复和导航体验改进。这些变化使得框架更加健壮,同时也为开发者提供了更好的工具和示例来构建高质量的 Android 应用。特别是导航系统的优化,进一步巩固了 Circuit 作为现代化 Android 架构框架的地位。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00