.NET MAUI Android 35.0.61版本发布:.NET 9服务更新详解
项目背景与版本概述
.NET MAUI(Multi-platform App UI)是微软推出的跨平台应用开发框架,它允许开发者使用C#和XAML构建可在Android、iOS、macOS和Windows上运行的应用程序。作为Xamarin.Forms的进化版本,.NET MAUI进一步简化了跨平台开发流程,提供了更现代化的开发体验。
本次发布的35.0.61版本是.NET 9服务更新的一部分,主要针对Android平台进行了多项改进和修复。这个版本已经集成到Visual Studio 2022 17.14 Preview 3中,开发者也可以通过.NET 9 SDK直接安装使用。
版本特性与改进
安装与验证
开发者可以通过两种方式获取这个更新版本:
- 通过Visual Studio 2022 17.14 Preview 3直接获取.NET MAUI组件
- 先安装.NET 9 SDK,然后通过命令行安装Android工作负载
安装完成后,可以使用dotnet workload list命令验证安装是否成功,确认android工作负载的版本号为35.0.61/9.0.100。
核心改进内容
-
调试器稳定性增强:修复了32位设备上调试器超时的问题,这对于使用较旧Android设备的开发者尤为重要,确保了在这些设备上的调试体验更加稳定可靠。
-
构建工具链更新:包含了来自android-platform-support的最新改进,版本号为2f5580c6。这些底层更新通常会带来性能提升和兼容性改进,虽然具体细节未在发布说明中详述,但这类更新通常会优化构建过程,减少构建时间。
-
工作负载发布流程优化:改进了Visual Studio工作负载zip包的发布机制,这意味着未来版本的发布和更新过程会更加顺畅,开发者可以更快地获取到最新功能。
-
工具链同步更新:集成了dotnet/android-tools的最新版本(release/9.0.1xx@59cab872),这些工具更新通常会带来更好的性能分析和调试支持。
技术意义与开发者价值
这个服务更新版本虽然不是一个主要功能版本,但对于使用.NET MAUI开发Android应用的开发者来说具有重要意义:
-
稳定性提升:特别是32位设备调试问题的修复,解决了开发者在实际开发中可能遇到的具体痛点。
-
与.NET 9生态同步:作为.NET 9服务更新的一部分,这个版本确保了.NET MAUI开发者能够充分利用.NET 9平台的最新特性和改进。
-
持续集成支持:构建和发布流程的改进意味着更可靠的持续集成体验,对于团队开发和自动化构建部署流程尤为重要。
升级建议
对于已经在使用.NET MAUI进行Android应用开发的团队,建议在测试环境中评估这个更新版本,特别是:
- 如果你的应用需要支持32位Android设备
- 如果你正在使用或计划迁移到.NET 9环境
- 如果你的团队依赖自动化构建和持续集成流程
升级过程相对简单,通过Visual Studio更新或使用dotnet workload命令即可完成。建议在升级前备份项目,并在升级后运行完整的测试套件以确保兼容性。
未来展望
这个服务更新版本展示了微软对.NET MAUI生态系统的持续投入。虽然主要是修复和改进,但它为后续更大规模的功能更新奠定了基础。开发者可以期待在未来的版本中看到更多性能优化和新功能加入,特别是在与.NET 9深度集成方面可能还会有更多进展。
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