Compose Destinations 项目中生成代码的访问控制问题解析
问题背景
在 Kotlin 多平台开发中,Compose Destinations 是一个流行的导航库,它通过注解处理器自动生成导航相关的代码。在实际使用中,开发者经常需要控制这些生成代码的访问级别,特别是在多模块项目中,合理的访问控制对维护代码结构和安全性至关重要。
访问控制需求
开发者在使用 Compose Destinations 时,主要有两种访问控制需求:
-
全局控制:希望所有生成的导航代码(如 Destination 类和导航相关逻辑)都使用
internal访问修饰符,限制在当前模块内可见。 -
细粒度控制:希望根据具体 Composable 函数的访问级别来决定生成的导航代码的访问级别。例如,如果一个 Composable 函数标记为
internal,那么它对应的导航代码也应该是internal。
解决方案
版本1的解决方案
在 Compose Destinations 的 v1 版本中,可以通过 Gradle 配置参数 compose-destinations.useComposableVisibility 来实现访问控制。这个参数会让生成的代码继承对应 Composable 函数的可见性。
版本2的改进
在即将发布的 v2 版本中,Compose Destinations 对访问控制进行了优化和改进:
-
更灵活的配置:开发者可以更精细地控制每个 Destination 的可见性,不再局限于全局设置。
-
更好的默认行为:v2 版本改进了默认的可见性逻辑,使其更符合开发者的预期。
-
简化迁移:对于从 v1 迁移到 v2 的项目,库提供了清晰的迁移指南,帮助开发者平滑过渡新的访问控制机制。
最佳实践建议
-
多模块项目:在多模块项目中,建议将导航相关的生成代码设置为
internal,这样可以更好地封装模块实现细节。 -
公共API设计:如果某些 Destination 需要作为公共API暴露给其他模块使用,可以单独将这些 Composable 函数标记为
public。 -
版本选择:新项目建议直接使用 v2 版本,以获得更好的访问控制体验;现有项目可以根据实际情况决定是否迁移。
总结
Compose Destinations 提供了灵活的机制来控制生成代码的访问级别,从 v1 的全局配置到 v2 的细粒度控制,不断优化开发体验。合理使用这些访问控制功能,可以帮助开发者构建更安全、更易维护的多模块 Compose 应用。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C091
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
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
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00