Boutique 3.0发布:现代化Swift数据存储框架的重大升级
Boutique是一个优雅的Swift数据存储框架,它通过结合内存缓存和磁盘持久化,为开发者提供了一种简单高效的数据管理方案。Boutique的设计理念是让开发者能够专注于业务逻辑,而不必担心数据同步和状态管理的复杂性。
重大版本更新
Boutique 3.0是自2.0版本发布两年多以来最重要的更新。这次更新不是完全重写,而是在保留原有优秀特性的基础上,进行了一系列重要的现代化改造和功能增强。
核心改进
-
告别ObservableObject,拥抱@Observable
新版本完全支持SwiftUI的@Observable宏,使得Store、@StoredValue和@SecurelyStoredValue能够更加自然地与现代SwiftUI应用集成。这一变化让代码更简洁、性能更好,同时也降低了理解难度。 -
全面支持Swift 6
虽然仍然兼容Swift 5项目,但3.0版本已经为Swift 6做好了准备。特别是针对Swift 6强调的数据竞争和内存安全问题,Boutique现在将Store和相关属性绑定到@MainActor,有效防止了数据丢失和不一致的情况。 -
API现代化重构
内部实现的重构为未来功能扩展奠定了基础,目标是让Boutique能够满足99%项目的需求,而不仅仅是之前的95%。
技术细节解析
Store与@Stored的改进
观察机制重构
Boutique 3.0移除了对Combine的依赖,改为使用AsyncStream发布值变化。这使得观察Store中的items变得更加清晰:
// 旧版使用Combine
.onReceive(notesController.$notes.$items) { items in
self.notes = items
}
// 新版使用AsyncStream
.onChange(of: self.notesController.notes, initial: true) { _, newValue in
self.notes = newValue
}
细粒度事件追踪API
新增的events属性可以发布StoreEvent值,允许开发者观察Store初始化、加载以及插入和删除操作等具体事件:
for await event in store.events {
switch event.operation {
case .initialized:
print("Store初始化完成")
case .loaded:
print("Store加载完成", event.items)
// 其他case...
}
}
@StoredValue与@SecurelyStoredValue的增强
与@Observable完美结合
现在可以在@Observable类型中创建Store、StoredValue或SecurelyStoredValue。需要注意的是,这些属性需要添加@ObservationIgnored标记,但它们仍然会被正确观察:
@Observable
final class AppState {
@ObservationIgnored
@StoredValue(key: "darkModeEnabled")
var darkModeEnabled = false
}
更简洁的值观察
通过新增的values属性,观察StoredValue和SecurelyStoredValue的变化变得更加简单:
for await value in preferences.$darkModeEnabled.values {
print("深色模式状态变化:", value)
}
更灵活的使用方式
新增的初始化方法使得StoredValue和SecurelyStoredValue可以不作为属性包装器使用,增加了使用场景的灵活性。
MainActor的正确使用
Boutique 3.0将所有核心类型绑定到@MainActor,这一设计决策基于以下考虑:
- 性能考量:@MainActor只影响同步工作的执行线程,不会强制异步操作(如网络请求)在主线程执行
- 架构设计:Boutique和底层Bodega框架的所有繁重操作都是异步的,确保不会阻塞主线程
- 数据安全:防止在多线程环境下可能出现的数据竞争和不一致问题
其他实用改进
Store加载回调
新增的onStoreDidLoad方法让开发者能够更方便地在Store加载完成后执行操作:
.onStoreDidLoad(store, onLoad: {
print("数据加载完成")
}, onError: { error in
print("加载失败", error)
})
迁移注意事项
- 最低系统要求:iOS 17/macOS 14或更高版本,这是支持@Observable的最低系统版本
- API变更:store.add方法已被完全弃用,应改用store.insert
- 废弃功能:AsyncStoreValue已被弃用,建议迁移到新的API
- Combine依赖:移除Combine依赖为未来支持Linux平台奠定了基础
总结
Boutique 3.0通过现代化改造,在保持原有简洁API的同时,提供了更好的性能、更强的类型安全性和更灵活的使用方式。这次更新不仅让框架更适应当前的Swift生态系统,也为未来的功能扩展打下了坚实基础。
对于现有项目,迁移到3.0版本相对简单,主要需要注意@Observable的使用方式和少数API的变更。新项目则可以直接享受这些现代化改进带来的好处,构建更健壮、更高效的应用程序。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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