KSP2中PSI变更问题的分析与解决方案
在Kotlin符号处理(KSP)框架的使用过程中,开发者可能会遇到一个常见问题:"PSI has changed since creation"错误。这个问题通常出现在SymbolProcessor的finish()方法执行期间,特别是在处理类型和注解时。本文将深入分析这一问题的成因,并介绍KSP团队提供的解决方案。
问题背景
PSI(Program Structure Interface)是IntelliJ平台中用于表示源代码结构的抽象层。在KSP处理过程中,当源代码发生变化时,原有的PSI结构可能不再有效,导致"PSI has changed since creation"错误。
在XProcessing测试用例中,特别是XTypeTest.wildcardWithMissingType场景下,这个问题尤为明显。当KSP执行最后一轮处理时,XProcessing会尝试访问类型和注解信息,而此时PSI可能已经被清理,导致错误发生。
问题根源
问题的核心在于KSP处理流程中的清理时机。在KSP2的早期版本中,清理操作发生在每一轮处理之后,包括最后一轮。这意味着:
- 第一轮处理完成后立即执行清理
- 第二轮(最终轮)处理完成后再次执行清理
- 然后才调用onError或finish方法
这种顺序导致在finish方法中尝试访问PSI结构时,相关资源已经被清理。
解决方案演进
KSP团队在1.0.26版本中对此问题进行了重要改进,调整了处理流程的顺序:
- 第一轮处理完成后执行清理
- 第二轮(最终轮)处理
- 调用onError或finish方法
- 最后执行清理
这种调整确保了在finish方法执行期间,PSI结构仍然可用。此外,KSP团队还计划在未来版本中引入Processor.finish(resolver: Resolver)和Processor.onError(resolver: Resolver)方法,为开发者提供更明确的API来处理完成和错误情况。
实际影响与迁移建议
对于从KAPT迁移到KSP的开发者,这一变化尤为重要。在KAPT中,开发者习惯在round.isProcessingOver=true时执行最终的检查、汇总或代码生成操作。在KSP1中,这些操作可以放在finish()方法中实现。
对于使用KSP2的开发者,建议:
- 确保使用1.0.26或更高版本
- 避免在finish()方法中执行依赖PSI结构的操作
- 等待未来版本中带有Resolver参数的finish和onError方法发布
- 目前如有必要,可以通过生成虚拟代码等方式强制触发最后一轮process()调用
总结
KSP框架在不断演进中解决了许多实际开发中的痛点问题。"PSI has changed since creation"错误的解决方案体现了KSP团队对开发者体验的重视。随着新API的引入,KSP将提供更加稳定和灵活的处理流程,帮助开发者更高效地实现代码生成和元编程需求。
对于正在使用或计划迁移到KSP2的开发者,建议关注框架的更新动态,及时调整实现方式,以充分利用框架提供的最新特性。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0105
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
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
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00