Compose Destinations 多模块导航图配置要点解析
2025-06-25 08:30:17作者:谭伦延
Compose Destinations 是一个优秀的 Jetpack Compose 导航库,它通过注解处理器简化了导航图的定义和使用。在多模块项目中配置导航图时,开发者可能会遇到一些需要注意的技术细节。
多模块导航图基础配置
在多模块项目中,通常会有一个主模块(app模块)和若干功能模块。每个功能模块可以定义自己的导航图,然后通过主模块进行整合。
主模块导航图定义:
private const val MAIN_GRAPH = "main_nav_graph"
@NavHostGraph(
defaultTransitions = DefaultTransitions::class,
route = MAIN_GRAPH,
visibility = CodeGenVisibility.INTERNAL
)
annotation class MainGraph {
@ExternalNavGraph<BottomNavigationNavGraph>(start = true)
companion object Includes
}
功能模块导航图定义:
private const val BOTTOM_NAVIGATION_GRAPH = "bottom_navigation_graph"
@NavGraph<ExternalModuleGraph>(
route = BOTTOM_NAVIGATION_GRAPH,
start = true,
navArgs = Nothing::class,
deepLinks = []
)
annotation class BottomNavigationNavGraph
关键配置注意事项
-
命名规范:功能模块的导航图注解类名必须以"NavGraph"结尾,这是Compose Destinations的命名约定。例如
BottomNavigationNavGraph是正确的,而BottomNavigationGraph会导致编译错误。 -
可见性控制:
- 主模块可以使用
CodeGenVisibility.INTERNAL限制生成的导航代码的可见性 - 功能模块的导航图不能使用
CodeGenVisibility.INTERNAL,因为这会破坏模块间的可见性规则,导致主模块无法访问功能模块的导航图
- 主模块可以使用
-
依赖关系:
- 功能模块需要先编译,主模块才能正确引用其导航图
- 确保模块间的依赖关系正确配置
最佳实践建议
-
对于多模块项目,建议采用清晰的命名规范,如使用模块名作为导航图前缀
-
在功能模块中,可以定义多个层级嵌套的导航图,但只有最外层的导航图需要暴露给其他模块
-
考虑使用KSP注解处理器而不是kapt,以获得更好的编译性能
-
对于复杂的导航结构,建议先在小规模测试项目中验证配置,再应用到主项目
通过遵循这些配置要点,开发者可以避免常见的多模块导航图集成问题,构建出结构清晰、可维护性高的导航架构。
登录后查看全文
热门项目推荐
相关项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
294
2.62 K
暂无简介
Dart
585
127
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
606
185
deepin linux kernel
C
24
7
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.05 K
610
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
358
2.29 K
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
760
72
Ascend Extension for PyTorch
Python
124
149
仓颉编译器源码及 cjdb 调试工具。
C++
122
424
仓颉编程语言运行时与标准库。
Cangjie
130
437