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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00