Swift Composable Architecture 中动态成员赋值的替代方案
背景介绍
在 Swift Composable Architecture (TCA) 项目中,开发者经常会遇到需要修改嵌套状态的情况。在 Swift 5 时代,开发者可以使用类似 $0.destination?.addContact?.contact.name = "Blob Jr." 这样的语法来直接修改状态。然而,随着 Swift 6 的推出,这种动态成员赋值的方式已被标记为不可用。
问题本质
Swift 6 中编译器会提示错误:"Setter for 'subscript(dynamicMember:)' is unavailable: Write 'enum = .case(value)', not 'enum.case = value'"。这实际上是 Swift 语言对枚举修改方式的规范化要求,旨在鼓励开发者使用更明确的语法来修改枚举值。
解决方案
使用 modify 方法
在 Swift 6 环境下,推荐使用 modify 方法来替代之前的动态成员赋值方式。具体实现如下:
await store.send(\.destination.addContact.setName, "Blob Jr.") {
$0.destination?.modify(\.addContact) { $0.contact.name = "Blob Jr." }
}
添加 CasePathable 支持
为了使 modify 方法正常工作,需要在枚举定义中添加 CasePathable 协议支持:
extension ContactsFeature {
@CasePathable
@Reducer(state: .equatable)
enum Destination {
case addContact(AddContactFeature)
case alert(AlertState<ContactsFeature.Action.Alert>)
}
}
技术原理
-
CasePathable协议:这是 TCA 提供的一个协议,用于为枚举生成 case 路径,使得我们可以安全地访问和修改枚举的关联值。 -
modify方法:这是一个高阶函数,它接受一个 case 路径和一个修改闭包,能够安全地修改枚举的关联值。相比直接赋值,这种方式更加类型安全且符合 Swift 的设计哲学。 -
Swift 6 的变化:Swift 6 加强了对枚举修改方式的约束,要求开发者必须显式地修改整个枚举值,而不是通过动态成员方式修改部分内容。这有助于减少潜在的错误和提高代码的可读性。
最佳实践
- 对于所有包含关联值的枚举,都应考虑添加
CasePathable支持 - 在状态更新闭包中,优先使用
modify方法而非直接赋值 - 对于复杂的嵌套状态修改,可以组合使用多个
modify调用 - 在团队开发中,应统一采用这种新的修改方式以确保代码一致性
总结
Swift 6 的这一变化虽然带来了一些迁移成本,但从长远来看有助于提高代码质量和可维护性。TCA 框架通过提供 CasePathable 和 modify 等工具,使得开发者能够平滑地过渡到新的语法规范。理解这些变化背后的设计理念,有助于我们编写出更加健壮和可维护的 Swift 代码。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
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
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
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00