Factory项目2.5.0版本发布:参数化服务缓存与库名迁移
项目简介
Factory是一个轻量级的Swift依赖注入框架,它通过简洁的API设计帮助开发者管理应用程序中的依赖关系。依赖注入是一种重要的设计模式,它能够提高代码的可测试性和可维护性。Factory框架特别适合SwiftUI和UIKit应用开发,提供了简单而强大的依赖管理能力。
2.5.0版本核心更新
1. 库名迁移:从Factory到FactoryKit
在2.5.0版本中,项目进行了重要的命名空间调整,将核心库名称从"Factory"变更为"FactoryKit"。这一变更主要解决了XCFramework构建时可能出现的问题。
技术背景:在Swift生态系统中,命名冲突是一个常见问题。当多个库使用相似的名称时,可能会导致编译错误或运行时问题。将库名改为FactoryKit不仅避免了潜在的命名冲突,也使库的定位更加清晰,符合Swift社区对工具库的命名惯例。
迁移影响:现有项目需要将import语句从import Factory更新为import FactoryKit。这是一个简单的全局替换操作,不会影响现有的功能实现。
2. 参数化服务缓存(scopeOnParameters)
2.5.0版本引入了一个重要的新特性——基于参数的依赖项缓存机制。这个功能通过scopeOnParameters修饰符实现,允许开发者根据不同的参数值缓存不同的服务实例。
使用场景:假设我们有一个用户信息服务,需要根据用户ID返回不同的用户数据。传统方式可能会为每个请求创建新实例,而使用scopeOnParameters后,框架会为每个不同的用户ID缓存对应的服务实例。
container.userService
.scopeOnParameters() // 基于参数缓存
.factory { id in
UserService(userID: id)
}
技术优势:
- 提高性能:避免为相同参数重复创建相同服务
- 内存优化:自动管理缓存生命周期
- 线程安全:内置同步机制保证线程安全
实现原理:框架内部维护了一个参数到实例的映射表,当请求带有参数的服务时,首先检查缓存中是否存在匹配的实例,不存在时才创建新实例并加入缓存。
3. XCFramework构建问题修复
此版本还修复了XCFramework构建过程中的一些问题,提高了框架的稳定性和兼容性。XCFramework是苹果推荐的跨平台框架分发格式,能够同时包含多个架构的二进制文件,支持模拟器和真机调试。
升级建议
对于现有项目,升级到2.5.0版本需要注意以下几点:
- 执行全局替换,将
import Factory改为import FactoryKit - 检查是否有基于参数的依赖项可以使用新的
scopeOnParameters优化 - 如果项目使用CocoaPods或SPM管理依赖,可能需要更新依赖声明
总结
Factory 2.5.0版本的发布带来了重要的架构改进和功能增强。库名迁移为项目的长期健康发展奠定了基础,参数化缓存机制则为复杂场景下的依赖管理提供了更精细的控制能力。这些改进使得Factory在保持简洁API的同时,能够更好地满足生产环境的需求。
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。C033
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-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
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