React Native Navigation 在 iOS 上编译时遇到 Coroutine.h 文件缺失问题的解决方案
在 React Native 生态系统中,React Native Navigation 是一个广受欢迎的路由和导航库。近期有开发者反馈,在将 React Native 从 0.73.6 升级到 0.76.0 版本后,iOS 平台构建时出现了 'folly/experimental/coro/Coroutine.h' file not found 的编译错误。
问题背景
这个错误通常出现在 React Native 项目升级过程中,特别是当涉及到 Folly 库(Facebook 开源的 C++ 库)的版本变更时。Folly 是 React Native 底层依赖的重要组件之一,它提供了许多 C++ 扩展功能。
在 React Native 0.76.0 版本中,Folly 库的配置发生了变化,导致某些头文件路径或编译标志不兼容,从而引发了 Coroutine.h 文件找不到的问题。
解决方案
经过社区验证,目前有以下几种可行的解决方案:
方案一:修改 Folly 配置标志
在项目的 Podfile 中添加以下 post_install 钩子:
post_install do |installer|
system("chmod -R u+w Pods/RCT-Folly")
Dir.glob("Pods/RCT-Folly/folly/Portability.h").each do |file|
text = File.read(file)
new_contents = text.gsub('#define FOLLY_HAS_COROUTINES 1', '#define FOLLY_HAS_COROUTINES 0')
File.open(file, "w") { |file| file.puts new_contents }
end
end
这个方案的工作原理是:
- 首先确保对 RCT-Folly 目录有写入权限
- 找到 Folly 的 Portability.h 头文件
- 将 FOLLY_HAS_COROUTINES 标志从 1 改为 0,禁用协程功能
方案二:直接修改项目配置
另一种方法是在 Xcode 项目的构建设置中添加预处理器宏:
-DFOLLY_CFG_NO_COROUTINES=1
这个宏会告诉编译器不要包含协程相关的代码,从而避免编译时查找 Coroutine.h 文件。
注意事项
-
这些解决方案主要是通过禁用 Folly 的协程功能来绕过编译错误,如果项目确实需要使用协程特性,可能需要寻找其他解决方案。
-
在 React Native 0.76.1 版本中,虽然这个特定问题可以通过上述方法解决,但开发者报告还存在其他构建问题需要处理。
-
建议在修改这些配置前,先备份项目,并确保理解这些更改对项目可能产生的影响。
深入理解
这个问题的根源在于 React Native 新版本中 Folly 库的更新带来了协程功能的默认启用,而 React Native Navigation 或其他依赖库可能还没有完全适配这一变化。协程是 C++20 引入的重要特性,用于简化异步编程,但在某些环境下可能不需要或不被支持。
对于 React Native 开发者来说,理解这些底层依赖的变化对于解决升级过程中的兼容性问题非常重要。随着 React Native 生态系统的不断演进,类似的底层库更新可能会带来更多的构建挑战,保持对社区动态的关注和及时调整项目配置是关键。
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