Voyager 中处理带 @Serializable 参数屏幕的保存问题
问题背景
在使用 Voyager 导航框架时,开发者可能会遇到一个常见问题:当屏幕类包含带有 @Serializable 注解的参数时,在 Android 设备上按下 Home 键会导致应用崩溃。这是因为 Android 系统在保存和恢复 Activity 状态时,默认使用 Parcelable 机制,而 Kotlin 的 @Serializable 注解并不直接兼容这一机制。
错误分析
典型的错误日志会显示 BadParcelableException,指出系统无法序列化包含 @Serializable 注解类的屏幕对象。例如,当屏幕类定义如下时:
class IllustDetailScreen(private val illust0: Illust) : Screen
@Serializable
data class Illust(
val id: Int,
val title: String,
)
系统会抛出异常,因为 Android 的保存机制期望所有可保存对象都实现 Parcelable 接口,而 @Serializable 并不自动提供这一实现。
解决方案
1. 使用 moko-parcelize 库
对于需要跨平台兼容的情况,推荐使用 moko-parcelize 库。这个库提供了多平台(包括 Android 和 iOS)的 @Parcelize 注解实现。
首先,在 build.gradle 中添加依赖:
implementation("dev.icerock.moko:parcelize:0.9.0")
然后修改你的类和数据结构:
@Parcelize
class IllustDetailScreen(private val illust0: Illust) : Screen, Parcelable
@Parcelize
@Serializable
data class Illust(
val id: Int,
val title: String,
): Parcelable
2. 处理特殊数据类型
如果你的数据类中包含 Kotlin 标准库中的特殊类型(如 kotlinx.datetime.Instant 或 kotlinx.datetime.LocalDateTime),moko-parcelize 也提供了支持。你需要为这些类型编写自定义的 Parceler 实现。
例如,对于 Instant 类型:
object InstantParceler : Parceler<Instant> {
override fun create(parcel: Parcel): Instant {
return Instant.fromEpochMilliseconds(parcel.readLong())
}
override fun Instant.write(parcel: Parcel, flags: Int) {
parcel.writeLong(toEpochMilliseconds())
}
}
@Parcelize
@Serializable
data class Event(
val time: Instant,
@IgnoredOnParcel
val description: String
) : Parcelable {
companion object : Parcelable.Creator<Event> {
override fun createFromParcel(parcel: Parcel): Event {
val time = InstantParceler.create(parcel)
val description = parcel.readString() ?: ""
return Event(time, description)
}
override fun newArray(size: Int): Array<Event?> {
return arrayOfNulls(size)
}
}
}
3. 替代方案:ViewModel SavedState
另一种解决方案是使用 ViewModel 的 SavedState 功能。这种方法将状态保存与导航分离,更适合复杂场景:
class IllustDetailViewModel(savedStateHandle: SavedStateHandle) : ViewModel() {
private val illust: Illust by savedStateHandle.getStateFlow("illust", Illust(0, ""))
// ViewModel逻辑...
}
class IllustDetailScreen(private val illustId: Int) : Screen {
@Composable
override fun Content() {
val viewModel: IllustDetailViewModel = getViewModel()
// 使用viewModel中的状态
}
}
最佳实践建议
- 简单场景:对于简单的数据结构和跨平台需求,优先使用
moko-parcelize - 复杂数据类型:对于包含特殊类型的数据结构,实现自定义
Parceler - 大型应用:考虑使用 ViewModel SavedState 来管理复杂状态
- 性能考虑:避免在导航参数中传递大型对象,考虑使用 ID 或轻量级引用
总结
在 Voyager 中处理带 @Serializable 参数的屏幕保存问题时,关键在于理解 Android 的状态保存机制和 Kotlin 多平台序列化的差异。通过合理选择解决方案,可以确保应用在各种场景下都能正确保存和恢复状态,提供流畅的用户体验。
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