推荐开源项目:Undergarment - 滑动菜单库
1、项目介绍
Undergarment 是一个为Android应用程序设计的滑出式导航(也称为“抽屉”)实现库。它最初源于对Prixing应用中滑动菜单体验的模仿,并随着Android设计团队官方文档的更新,逐渐发展成为一个独立的Android库项目。这个库提供了一种简单的方法来添加类似YouTube应用中的内容部分滑动效果,而保持ActionBar静态不变。
2、项目技术分析
Undergarment通过git子模块的方式进行集成,可以方便地添加到你的Android项目中,并作为依赖项使用。它通过在Activity的onCreate方法中创建DrawerGarment对象,指定布局资源以定义抽屉的内容。默认情况下,整个窗口包括Action Bar都会滑动。如果想要实现YouTube风格的仅内容部分滑动,可以调用setSlideTarget(DrawerGarment.SLIDE_TARGET_CONTENT)。
为了使抽屉和内容区之间的过渡更美观,Undergarment会将内容视图的背景颜色设置为白色。你可以通过setDecorContentBackgroundColor方法自定义颜色,然后调用reconfigureViewHierarchy以应用新的颜色。
抽屉的打开、关闭和切换状态可以通过openDrawer(), closeDrawer() 和 toggleDrawer() 方法控制。另外,还可以通过调用 setDrawerEnabled(false) 来禁用手势操作。
3、项目及技术应用场景
Undergarment适用于任何希望在Android应用中引入滑动侧边栏导航的开发者。它可以用于构建主菜单、设置界面或其他需要快速访问的功能区域。无论是仿照Google官方的Material Design指南,还是个性化的设计需求,Undergarment都能提供灵活且易于定制的解决方案。
4、项目特点
- 易集成:支持git子模块,可以在IntelliJ IDEA中直接引用。
- 高度可配置:可以选择是滑动整个屏幕还是只滑动内容部分。
- 手势支持:允许用户通过左右边缘滑动来打开或关闭抽屉。
- 回调功能:通过实现
DrawerGarment.IDrawerCallbacks接口,可以监听并响应抽屉的开闭事件,以便进一步调整UI或执行其他操作。 - 美观易用:默认设置能保证良好的视觉效果,同时也允许自定义背景颜色以适应不同主题。
总之,Undergarment是一个强大的、易用的Android滑动菜单库,无论你是新手还是经验丰富的开发人员,它都能帮助你在应用中轻松实现专业的抽屉导航功能。现在就开始尝试,提升你的Android开发体验吧!
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