Compose Destinations 项目中共享带工厂的 ViewModel 实践
2025-06-25 18:06:15作者:贡沫苏Truman
背景介绍
在 Android 开发中,使用 Jetpack Compose 进行导航时,Compose Destinations 是一个流行的导航库。在实际开发中,我们经常需要在多个屏幕间共享 ViewModel,特别是当 ViewModel 需要通过工厂模式初始化时,会遇到一些特殊场景。
核心问题
当我们需要在多个目的地(destination)之间共享 ViewModel,并且这个 ViewModel 需要通过工厂模式初始化(例如需要传入初始数据)时,传统的共享 ViewModel 方法可能不够用。初始数据通常来自第一个使用该 ViewModel 的屏幕的导航参数。
解决方案分析
基础方案
Compose Destinations 官方文档提供了在多个目的地间共享 ViewModel 的基本方法,但对于需要工厂模式初始化的场景,开发者需要自行扩展。
自定义 ViewModelStoreOwner
一种可行的解决方案是创建一个自定义的 ViewModelStoreOwner 包装器:
@JvmInline
value class NavGraphViewModelStoreOwner(val value: ViewModelStoreOwner) : ViewModelStoreOwner by value
然后在 NavHost 的依赖容器中注册:
dependenciesContainerBuilder = {
dependency(NavGraphs.loggedIn) {
NavGraphViewModelStoreOwner(remember(navBackStackEntry) {
navController.getBackStackEntry(NavGraphs.loggedIn.route)
})
}
}
在目的地中使用
在需要共享 ViewModel 的屏幕中,可以这样使用:
@Destination
@Composable
fun SecondScreen(
initialData: InitialData,
navGraphViewModelStoreOwner: NavGraphViewModelStoreOwner
) {
val viewModel = viewModel<SomeViewModel>(
key = "somekey",
viewModelStoreOwner = navGraphViewModelStoreOwner,
factory = viewModelFactory {
SomeViewModel(initialData = initialData)
}
)
}
后续屏幕可以直接访问同一个 ViewModel 实例,无需再次提供工厂。
更优方案
仓库所有者建议,如果所有屏幕都期望相同类型的参数,可以在依赖容器构建时直接创建 ViewModel:
destination(ProfileScreenDestination) {
val args: ProfileScreenNavArgs = navArgs as ProfileScreenNavArgs
dependency(viewModel<ProfileViewModel>())
}
未来版本将改进类型安全,无需强制转换:
destination(ProfileScreenDestination) {
val args: ProfileScreenNavArgs = navArgs // 类型安全
dependency(viewModel<ProfileViewModel>())
}
最佳实践建议
- 评估需求:确定是否真的需要在多个屏幕间共享 ViewModel,避免不必要的共享
- 参数一致性:确保所有使用共享 ViewModel 的屏幕都期望相同类型的初始数据
- 类型安全:等待库更新以获得更好的类型安全支持
- 生命周期管理:理解共享 ViewModel 的生命周期与导航图的关系
总结
在 Compose Destinations 中共享需要工厂初始化的 ViewModel 需要一些额外工作,但通过自定义 ViewModelStoreOwner 或在依赖容器中提前创建 ViewModel 都能实现这一需求。随着库的更新,这一过程将变得更加简洁和安全。开发者应根据具体场景选择最适合的方案,同时注意 ViewModel 的生命周期管理。
登录后查看全文
热门项目推荐
相关项目推荐
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-X1-7BSpark-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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
182
196
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++
648
265
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
274
94
暂无简介
Dart
623
140
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
380
3.41 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1