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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
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Python00
HunyuanVideo-1.5暂无简介00
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
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
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