Circuit 0.26.1版本发布:手势导航优化与状态管理修复
项目简介
Circuit是一个由Slack开源的现代化Android UI框架,它采用声明式UI和单向数据流架构,旨在简化复杂UI界面的开发流程。Circuit借鉴了Jetpack Compose的设计理念,同时提供了更高级别的抽象和更完善的导航解决方案,特别适合构建大型应用程序。
核心改进
手势导航稳定性提升
本次0.26.1版本修复了一个重要的崩溃问题,该问题发生在用户从屏幕右侧执行返回手势操作时。这种边缘手势在全面屏设备上尤为常见,修复后显著提升了用户体验的稳定性。
CupertinoGestureNavigationDecoration现在被重构为AnimatedNavDecorator,这一改进使得导航装饰器能够更好地支持动画效果,为开发者提供了更灵活的导航交互动画定制能力。
状态管理修复
RetainedStateHolder中修复了一个关键的状态恢复问题。原先在调用removeState后,状态值无法正确恢复,现在这一问题已得到解决,确保了应用状态管理的可靠性。这一改进对于需要精确控制状态生命周期的场景尤为重要,比如在配置变更或进程重建时。
开发工具链更新
- 将Android Compose相关组件统一升级到1.7.8版本,包括material、runtime、animation、foundation和ui等核心模块
- 更新了Kotlinx-datetime到0.6.2版本
- Roborazzi测试库升级至1.41.1
- Ktor框架更新到3.1.0
这些依赖项的更新为开发者带来了最新的功能改进和性能优化,同时保持了与生态系统的兼容性。
文档完善
本次发布新增了两份重要文档:
-
共享元素使用教程:详细介绍了如何在Circuit中实现共享元素过渡动画,这是创建流畅界面转换的关键技术。
-
Android平台深度链接指南:提供了在Circuit框架下实现深度链接的基础参考,帮助开发者构建更完整的应用导航体系。
技术细节
CupertinoGestureNavigationDecoration向AnimatedNavDecorator的转变是一个架构上的改进,使得导航装饰器能够:
- 更好地响应导航动画事件
- 提供更精细的动画控制
- 保持与Circuit导航系统的紧密集成
状态管理修复涉及RetainedStateHolder内部机制的调整,现在能够正确处理以下场景:
- 状态被显式移除后
- 配置变更发生时
- 进程重建过程中
总结
Circuit 0.26.1版本虽然是一个小版本更新,但包含了多项重要的稳定性修复和功能改进。手势导航的优化使应用交互更加可靠,状态管理的修复增强了框架的健壮性,而文档的完善则降低了新用户的学习曲线。这些改进共同推动了Circuit框架向更成熟、更易用的方向发展。
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