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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust080- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00