React Native Async Storage 在 New Architecture 下的构建问题解析
问题背景
在使用 React Native 的 New Architecture 模式构建项目时,开发者可能会遇到一个特定的构建错误,提示找不到 Async Storage 模块的 CMakeLists.txt 文件。这个问题主要出现在 Android 平台的构建过程中,特别是在启用了新架构(IS_NEW_ARCHITECTURE_ENABLED = TRUE)的情况下。
错误表现
构建过程中会出现类似以下的错误信息:
[CXX1409] expected buildFiles file 'app-react/node_modules/@react-native-async-storage/async-storage/android/build/generated/source/codegen/jni/CMakeLists.txt' to exist
问题原因
这个问题的根本原因在于 New Architecture 的代码生成机制。当启用新架构时,React Native 会使用代码生成(Codegen)来自动创建必要的本地接口文件,包括 CMakeLists.txt。但在某些情况下,这个自动生成过程可能没有正确执行,导致构建系统找不到预期的文件。
解决方案
临时解决方案
开发者可以手动执行以下命令来生成缺失的文件:
./gradlew generateCodegenArtifactsFromSchema
这个命令会强制触发代码生成过程,创建所有必要的文件,包括缺失的 CMakeLists.txt。
长期解决方案
-
检查依赖版本兼容性:确保使用的 React Native 版本与 Async Storage 版本兼容。较新的 React Native 版本(如 0.73+)通常需要对应版本的 Async Storage。
-
清理构建缓存:在尝试重新构建前,执行完整的清理操作:
./gradlew clean
rm -rf android/.cxx
- 验证项目配置:确保项目正确配置了 New Architecture 相关的设置,包括:
- gradle.properties 中正确设置了 newArchEnabled=true
- build.gradle 中正确配置了 React Native Gradle 插件
技术深入
New Architecture 下的构建过程与传统架构有显著不同。它依赖于代码生成来创建 JNI 接口和本地模块绑定。Async Storage 作为原生模块,需要正确参与这个过程。
当构建系统找不到 CMakeLists.txt 时,通常意味着:
- 代码生成步骤没有自动执行
- 生成的文件被错误地清理掉了
- 文件生成路径与构建系统预期不匹配
最佳实践建议
-
构建顺序:在启用 New Architecture 的项目中,建议先执行代码生成,再进行完整构建。
-
环境一致性:确保开发团队的 JDK、Gradle 和 Android Studio 版本一致,避免环境差异导致的问题。
-
版本锁定:对于关键依赖如 React Native 和 Async Storage,使用精确版本号而非范围版本,确保构建一致性。
-
构建脚本增强:考虑在项目的构建脚本中添加代码生成步骤作为前置条件,自动化解决此问题。
总结
React Native New Architecture 带来了性能优势,但也引入了更复杂的构建流程。Async Storage 作为常用存储解决方案,在新架构下的构建问题通常可以通过正确触发代码生成步骤来解决。理解 New Architecture 的构建机制有助于开发者更高效地解决类似问题。
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-1.5暂无简介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
Spark-Formalizer-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
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