Dagger 2.56 发布:全面支持Jakarta与Kotlin集合优化
项目简介
Dagger 是 Google 开发的一款轻量级依赖注入框架,专门为 Java 和 Kotlin 应用程序设计。它通过编译时代码生成的方式实现依赖注入,避免了传统依赖注入框架在运行时可能带来的性能问题。Dagger 2 是该框架的第二代版本,相比第一代在性能和易用性上都有显著提升。
主要更新内容
Jakarta 支持全面升级
本次发布的 Dagger 2.56 版本在 Jakarta 支持方面做出了重要改进:
-
移除废弃方法:删除了接受
javax.inject.Provider参数的工厂创建方法。这意味着如果使用旧版 Dagger 构建组件,但依赖项来自新版 Dagger 的工厂,将无法编译通过。解决方案是升级编译组件的 Dagger 版本。 -
限制 Provider 使用:现在禁止提供或注入
dagger.internal.Provider,同时禁止在 Map 中注入原始 Provider(包括 javax 和 dagger 的 Provider)。 -
Hilt 支持:增加了对 Hilt 框架中 Jakarta 注解的支持,使 Hilt 用户也能享受到 Jakarta 生态系统的优势。
Kotlin 集合类型规范
对于 Kotlin 用户,Dagger 2.56 做出了一个重要变更:
- 在 Kotlin 源文件中使用
@Multibinds和@ElementsIntoSet注解时,现在必须使用kotlin.collections包中的 Set/Map,而不是java.util包中的对应类。这一变更使 Kotlin 代码更加符合语言习惯,减少了 Java 和 Kotlin 集合类型之间的隐式转换。
其他重要改进
-
私有修饰符优化:移除了 Dagger 生成组件私有实现类中字段/方法的 private 修饰符,解决了 #4544 问题,提高了代码的灵活性和可访问性。
-
Hilt 项目隔离修复:部分解决了 #4423 问题,修复了检查 Hilt 库是否与 Gradle 插件一起应用时的项目隔离违规问题。
-
Kotlin 版本升级:将 Kotlin 升级到 2.1.10 以支持 KSP 2.1.10-1.0.31。需要注意的是,这会破坏与较旧 Gradle 版本(8.10.2 或更低)的兼容性,使用 Hilt Gradle 插件的预编译脚本插件(包含的构建)将无法编译。
技术影响与最佳实践
迁移建议
对于正在使用 Jakarta 生态系统的开发者:
-
检查项目中是否有使用
javax.inject.Provider的代码,及时迁移到jakarta.inject.Provider。 -
确保所有依赖的 Dagger 组件使用相同或兼容的版本,避免因版本不一致导致的编译问题。
对于 Kotlin 开发者:
-
检查项目中
@Multibinds和@ElementsIntoSet注解的使用,确保使用的是kotlin.collections包中的集合类型。 -
如果项目使用较旧的 Gradle 版本,考虑升级到 8.10.2 以上版本以避免兼容性问题。
性能考量
移除私有修饰符可能会对某些优化产生影响,但通常这种影响可以忽略不计。开发者应该关注的是代码的可维护性和清晰度,而不是微小的性能差异。
总结
Dagger 2.56 版本标志着框架在 Jakarta 生态系统支持和 Kotlin 语言集成方面迈出了重要一步。这些变更虽然带来了一些破坏性变化,但为未来的发展奠定了更好的基础。开发者应该根据项目实际情况规划升级路径,充分利用新版本带来的改进和优化。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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