Animation Garden 项目中 BT 源自动选择问题的技术解析
2025-06-10 04:32:28作者:庞眉杨Will
问题背景
在 Animation Garden 项目的媒体选择器功能中,存在一个关于 BT 源自动选择的行为问题。当用户上次选择了 BT 源后,系统仍然会自动选择在线源,这与部分用户的预期行为不符。
技术分析
这个问题实际上涉及到媒体选择器的自动选择逻辑和用户偏好设置的交互。核心在于如何正确处理用户的历史选择偏好与自动选择机制之间的关系。
解决方案设计
项目维护者提出了一个修复方案,主要包含以下几个关键点:
-
新增获取媒体偏好设置的数据流用例:创建了
GetMediaPreferenceFlowUseCase接口及其实现类,用于获取用户对特定主题的媒体偏好设置。 -
修改自动选择逻辑:在
MediaSelectorAutoSelectUseCaseImpl中,增加了对用户偏好媒体源的检查逻辑。当检测到用户有明确的媒体源偏好时,会优先考虑该偏好设置。 -
依赖注入配置:在 Koin 依赖注入配置中添加了新用例的绑定。
实现细节
修复方案的核心修改集中在自动选择逻辑上:
val subjectId = session.request.first().subjectId.toInt()
val mediaPreference = getMediaPreferenceFlowUseCase(subjectId).first()
val webSourceIds = getWebMediaSourceInstanceFlowUseCase().first()
val preferredMediaSourceId = mediaPreference.mediaSourceId
if (preferredMediaSourceId != null && preferredMediaSourceId !in webSourceIds) {
logger.info { "[MediaSelectorAutoSelect] preferredMediaSourceId '$preferredMediaSourceId' not in webSourceIds $webSourceIds" }
return@launch
}
这段代码首先获取当前主题的用户偏好设置,然后检查用户偏好的媒体源是否在可用的网络源列表中。如果不匹配,则直接返回,不执行自动选择。
技术考量
这个修复方案体现了几个重要的设计原则:
-
尊重用户选择:优先考虑用户明确设置的偏好,而不是盲目执行自动选择算法。
-
数据流设计:使用 Kotlin Flow 来处理偏好设置的动态变化,保证UI能够响应设置的变化。
-
模块化设计:通过新增 UseCase 来封装获取偏好设置的逻辑,保持代码的可维护性。
总结
这个修复方案通过增强媒体选择器的偏好感知能力,解决了 BT 源自动选择的问题。它不仅修复了当前的问题,还为未来可能的偏好设置扩展提供了良好的基础架构。这种基于用户偏好和上下文感知的设计思路,值得在其他类似功能中借鉴。
登录后查看全文
热门项目推荐
相关项目推荐
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-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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210