Circuit框架0.28.0版本发布:Compose 1.8支持与导航拦截新特性
Circuit是由Slack开发的一个现代化的Android UI框架,它基于Jetpack Compose构建,专注于简化复杂UI的开发流程。Circuit采用了MVI(Model-View-Intent)架构模式,通过定义清晰的UI状态和事件处理机制,帮助开发者构建可维护、可测试的用户界面。
Compose 1.8支持升级
本次0.28.0版本最重要的更新是将Compose版本升级到了1.8。这一变化意味着:
-
JVM目标版本提升:为了与上游保持一致,Circuit现在默认使用Java 11作为编译目标版本。开发者需要确保项目配置支持Java 11。
-
性能优化:Compose 1.8带来了多项性能改进,包括更高效的渲染和状态管理机制,这些改进将直接惠及基于Circuit构建的应用。
-
新特性支持:Compose 1.8引入的新API和功能现在可以在Circuit项目中使用,为开发者提供了更多构建现代UI的可能性。
导航行为变更
在Android平台上,rememberCircuitNavigator()函数的行为有所调整,这个函数负责处理返回导航操作。新版本中:
-
延迟根导航弹出:现在当执行根级别的
Navigator.pop操作时,会延迟到组合完成后再执行。这一改变确保了BackHandler能够被完全禁用,然后再处理弹出操作。 -
改进的后退传播:修复了之前版本中根级别弹出操作无法正确传播到外部
BackHandler或OnBackPressedCallback的问题。 -
架构调整:由于Compose新增了
compose:ui-backhandler模块,这个导航器实现已从Android专用模块迁移到了通用的circuit-foundation组件中。
新增导航拦截功能
0.28.0版本引入了一个强大的新特性——导航拦截系统,位于新的circuitx-navigation模块中:
核心概念
-
InterceptingNavigator:这是一个特殊的导航器,位于常规Circuit导航器之前,充当导航事件的"看门人"。
-
NavigationInterceptor:开发者可以通过实现这个接口来拦截和处理三种类型的导航操作:
goTo:导航到新界面pop:返回上一界面resetRoot:重置导航栈
拦截能力
拦截器可以决定如何处理导航事件:
- 允许:让导航按原计划执行
- 阻止:取消导航操作
- 重写:修改导航目标,转向其他界面
- 跳过:忽略当前导航事件
使用场景
这一系统特别适用于:
- 高级路由控制:实现复杂的导航逻辑,如条件跳转
- 权限检查:在导航前验证用户权限
- 分析跟踪:记录用户的导航路径
- AB测试:根据实验条件重定向用户
简单监听
如果只需要监听导航事件而不修改,可以实现NavigationEventListener接口,它提供了导航发生时的回调,但不具备修改能力。
其他改进
-
修饰符修复:修正了
NavigatorDefaults.EmptyDecoration中提供的Modifier未被使用的问题。 -
文档增强:
- 添加了更多关于状态设计的替代方案说明
- 将Circuitx文档拆分为多个子页面,提高可读性
-
依赖更新:同步更新了多个依赖项,包括Dagger、KotlinInject和AndroidX生命周期组件等。
升级建议
对于现有项目,升级到0.28.0版本时需要注意:
- 确保项目已配置支持Java 11
- 检查自定义导航逻辑是否受到行为变更的影响
- 考虑使用新的导航拦截系统来简化复杂的导航逻辑
- 充分利用文档中的新内容来优化状态管理设计
Circuit 0.28.0通过支持最新的Compose版本和引入导航拦截系统,进一步强化了其作为现代Android UI框架的地位,为开发者提供了更强大、更灵活的工具来构建高质量的应用程序。
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