Compose Destinations 项目中解决 NavArgsGettersKt.dex 重复定义问题
在基于 Compose Destinations 库开发多模块 Android 应用时,开发者可能会遇到一个典型的构建错误:NavArgsGettersKt.dex defined multiple times。这个问题通常发生在多模块项目中,当不同模块都使用了导航参数功能时。
问题现象
当项目包含多个模块,且每个模块都定义了导航参数时,构建系统会报错,提示 NavArgsGettersKt 类被多次定义。错误信息会显示类似以下内容:
Type com.classroom.subject.ui.NavArgsGettersKt is defined multiple times
问题根源
Compose Destinations 库在默认情况下会根据所有注解的 Composable 函数的公共路径生成导航参数相关的辅助类。在多模块项目中,如果不同模块的包名结构相似,库可能会在相同的位置生成这些辅助类,导致编译时出现重复定义。
解决方案
1. 配置代码生成包名
最直接的解决方案是通过 KSP 参数显式指定代码生成的包名。在每个模块的 build.gradle.kts 文件中添加以下配置:
ksp {
arg("compose-destinations.codeGenPackageName", "com.your.module.specific.package")
}
这样可以为每个模块指定唯一的包名,确保生成的辅助类不会冲突。
2. 确保模块包名差异
另一种方法是检查并确保各模块的包名结构有足够差异。Compose Destinations 默认会使用所有注解 Composable 函数的公共路径作为生成代码的位置,因此如果模块间的包名结构完全不同,也能避免这个问题。
最佳实践建议
-
显式配置优先:建议在所有模块中都显式配置
codeGenPackageName参数,这是最可靠的方式。 -
命名规范:为生成的代码指定包名时,可以采用
模块名.generated的命名模式,例如:arg("compose-destinations.codeGenPackageName", "${project.name}.generated") -
统一管理:对于大型项目,可以考虑在根项目的
build.gradle.kts中定义统一的生成代码包名规则,确保各模块配置一致。
技术背景
这个问题本质上是由 Kotlin Symbol Processing (KSP) 的代码生成机制引起的。Compose Destinations 使用 KSP 在编译时生成导航相关的辅助代码,包括参数解析和类型安全的导航 API。在多模块项目中,如果没有明确的包名区分,这些生成的代码可能会被放在相同的位置,导致类冲突。
未来版本改进
根据项目维护者的说明,未来的 v2 版本会改进这一默认行为,使其更加智能地处理多模块场景。但在当前版本中,显式配置生成包名是最可靠的解决方案。
通过以上方法,开发者可以有效地解决多模块项目中导航参数辅助类冲突的问题,确保项目能够顺利构建。
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- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00