Compose Destinations 项目中共享带工厂的 ViewModel 实践
2025-06-25 13:51:42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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
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
暂无简介
Dart
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
135
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218