Kable 0.37.0版本发布:蓝牙开发库的重要更新
项目简介
Kable是一个跨平台的蓝牙开发库,支持Android、iOS、JavaScript等多个平台,为开发者提供了简洁易用的API来处理蓝牙设备的连接、通信等操作。它采用Kotlin Multiplatform技术构建,能够帮助开发者用统一的代码基础实现多平台的蓝牙功能。
权限管理变更
本次0.37.0版本最重要的变化是权限管理方式的调整。在此之前,Kable库会自动声明所需的Android权限,而现在这一责任转移给了库的使用者。开发者需要自行配置应用所需的蓝牙相关权限。
为了保持向后兼容性,项目提供了一个新的kable-default-permissions模块,包含了之前默认声明的权限。开发者可以选择引入这个模块来保持原有行为,或者根据应用实际需求自定义权限配置。
主要功能更新
扫描过滤增强
新版本增加了通过服务数据(service data)进行蓝牙设备扫描过滤的支持。这使得开发者能够更精确地定位目标设备,特别是在存在多个相似设备的场景下,提高了扫描效率和准确性。
JavaScript平台改进
JavaScript平台现在支持通过设备标识符(Identifier)直接创建Peripheral对象。这一改进简化了已知设备的连接流程,开发者无需再进行完整的扫描过程即可与特定设备建立连接。
API清理
0.37.0版本对已弃用的API进行了升级处理,这表明项目团队正在推进API的现代化进程,建议开发者检查自己的代码并迁移到最新的API。
平台特定更新
Android平台
除了前面提到的权限管理变更外,Android平台现在通过独立的kable-default-permissions模块提供默认权限配置。这种模块化设计给予了开发者更大的灵活性,可以根据应用的实际需求选择最合适的权限配置方案。
技术维护更新
项目团队持续进行依赖库的版本更新,包括:
- Kotlin Wrappers BOM更新至2025.3.20版本
- Kotlin Multiplatform更新至2.1.20版本
- EqualsVerifier测试工具更新至3.19.2版本
这些更新确保了项目能够利用最新的语言特性和工具支持,同时保持依赖组件的安全性和稳定性。
升级建议
对于正在使用Kable的开发者,升级到0.37.0版本时需要注意:
- 检查并处理Android权限配置,可以选择引入
kable-default-permissions模块或自定义权限 - 评估是否可以利用新的服务数据过滤功能优化设备扫描逻辑
- 检查并替换任何已弃用的API调用
- JavaScript平台开发者可以考虑使用新的Peripheral创建方式简化代码
这个版本体现了Kable项目在保持核心功能稳定的同时,不断优化开发者体验和API设计的努力。权限管理的变更虽然带来了一定的适配工作,但长期来看提供了更大的灵活性和控制权。
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