Vico图表库2.1.0-alpha.3版本发布:Compose与多平台支持全面升级
Vico是一个专注于数据可视化的开源图表库,它提供了丰富的图表类型和灵活的定制选项,帮助开发者在Android和跨平台应用中快速构建精美的数据可视化界面。该项目特别注重与现代UI框架如Jetpack Compose的深度集成,同时也在积极探索多平台支持的可能性。
本次发布的2.1.0-alpha.3版本主要针对Compose预览功能和多平台支持进行了重要改进,为开发者带来了更流畅的开发体验和更广泛的应用场景。
Compose预览功能优化
在Compose开发过程中,预览功能是开发者快速验证UI效果的重要工具。然而,在之前的版本中,Vico的CartesianChartHost组件在非交互式Compose预览中表现不佳,主要原因是预览环境不支持异步执行,而图表的数据处理默认采用异步方式。
新版本对此进行了针对性优化:
CartesianChartHost现在能够在非交互式预览中同步处理CartesianChartModelProducer的通信- 开发者需要配合将处理逻辑移至主线程执行,例如使用
runBlocking替代LaunchedEffect - 这一改进显著提升了开发效率,使开发者能够在编写代码时即时看到图表效果
需要注意的是,这种同步处理方式仅适用于预览场景,在实际应用中仍应保持异步处理以保证性能。
多平台支持增强
Vico正在积极扩展其多平台能力,本次更新在多平台支持方面做出了多项改进:
-
包结构调整:修正了
CartesianLayerRangeProvider的错误包声明,将其移至正确的包路径com.patrykandpatrick.vico.multiplatform.cartesian.data下,提高了代码的组织性和可维护性。 -
示例应用升级:示例应用现已全面支持多平台,目前包含三个多平台示例图表。虽然当前版本尚未包含所有图表类型的多平台示例,但团队承诺在2.1.0正式版发布前完成所有图表的多平台示例实现。
-
开发体验优化:多平台支持仍处于实验阶段,这意味着开发者可以提前体验这一功能,但也需要注意未来版本可能会有较大的API变动。
技术实现细节
在底层实现上,Vico团队针对Compose预览的特殊环境做了精细化的处理。预览环境与完整运行环境的主要区别在于线程模型和生命周期管理,新版本通过引入环境检测和相应的适配逻辑,实现了在不同环境下的最优表现。
对于多平台支持,Vico采用了Kotlin Multiplatform技术,这使得同一套业务逻辑可以同时运行在Android、iOS、Web等多个平台。当前的实现重点在于确保核心图表功能在不同平台上的一致性表现,同时为各平台提供符合其习惯的API设计。
开发者建议
对于正在使用或考虑使用Vico的开发者,建议:
- 在预览环境中采用推荐的同步处理方式,但务必区分预览和实际运行代码
- 关注多平台功能的进展,但生产环境中使用需谨慎评估稳定性需求
- 及时更新到最新版本以获得最佳开发体验
- 通过示例应用学习多平台图表的使用方式
Vico 2.1.0-alpha.3版本的发布标志着该项目在开发体验和多平台支持方面又向前迈进了一步。随着后续版本的不断完善,Vico有望成为跨平台数据可视化领域的首选解决方案之一。
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