React Native Async Storage 在升级到 RN 0.75.1 后的 Kotlin 编译问题解析
问题背景
在 React Native 生态系统中,Async Storage 是一个常用的本地存储解决方案。近期有开发者反馈,在将 React Native 升级到 0.75.1 版本后,遇到了 Kotlin 编译失败的问题,具体表现为 :react-native-async-storage_async-storage:compileDebugKotlin FAILED 错误。
问题表现
开发者在使用 React Native 0.75.1 版本和 Async Storage 1.24.0 版本时,Android 构建过程中会出现 Kotlin 编译失败的情况。错误信息表明在编译 Async Storage 模块的 Kotlin 代码时出现了问题。
环境分析
从开发者提供的环境信息来看,问题出现在以下典型环境中:
- macOS 14.4.1 (Apple M1 芯片)
- Node.js 22.5.1
- React Native 0.75.1
- React 18.3.1
- Async Storage 1.24.0
- Android Studio 2024.1
- Java 17.0.12
可能的原因
-
Kotlin 版本不兼容:React Native 0.75.x 系列对 Kotlin 版本有特定要求,可能与 Async Storage 依赖的 Kotlin 版本存在冲突。
-
Gradle 配置问题:项目中的 Gradle 配置可能没有正确指定 Kotlin 版本或相关依赖。
-
缓存问题:构建系统的缓存可能包含了旧版本的依赖或配置信息。
-
新架构兼容性:虽然开发者表示没有启用新架构,但 React Native 0.75.x 的底层变更可能影响了库的兼容性。
解决方案
基本解决步骤
-
清理项目:
- 删除 node_modules 目录
- 删除 yarn.lock 或 package-lock.json
- 在 Android 目录下执行 gradlew clean
-
重新安装依赖:
- 运行 yarn install 或 npm install
- 确保所有依赖版本正确
-
检查 Gradle 配置:
- 确保 build.gradle 中指定了正确的 Kotlin 版本
- 检查 gradle.properties 中的相关配置
进阶解决方案
-
明确指定 Kotlin 版本: 在项目的 android/build.gradle 文件中,显式指定 Kotlin 版本:
ext { kotlinVersion = "1.9.24" } -
更新 Async Storage 配置: 在 gradle.properties 中添加:
AsyncStorage_kotlinVersion=1.9.24 AsyncStorage_next_roomVersion=2.6.1 AsyncStorage_next_kspVersion=1.9.24-1.0.20 -
检查依赖冲突: 使用
./gradlew :app:dependencies命令检查项目依赖树,查找可能的版本冲突。
预防措施
-
版本兼容性检查:在升级 React Native 版本前,检查所有关键依赖的兼容性矩阵。
-
渐进式升级:不要一次性升级多个主要版本,而是采用渐进式升级策略。
-
使用版本锁定:在 package.json 中使用精确版本号而非语义化版本范围,避免意外升级。
-
维护干净的构建环境:定期清理构建缓存和 node_modules,确保构建环境干净。
总结
React Native 0.75.x 版本引入了一些底层变更,可能导致与某些第三方库的兼容性问题。对于 Async Storage 的 Kotlin 编译问题,大多数情况下可以通过清理项目、明确指定 Kotlin 版本和更新相关配置来解决。开发者应该养成良好的版本管理习惯,并在升级前充分测试关键功能。
对于仍然遇到问题的开发者,建议创建一个最小化复现项目,这有助于更准确地定位问题根源。同时,关注 React Native 和 Async Storage 的官方文档和更新日志,可以提前规避许多潜在的兼容性问题。
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-1.5HunyuanVideo-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