推荐使用Perform:轻松实现Storyboard的依赖注入
项目介绍
Perform 是一个轻量级的Swift库,它为Storyboard中的 segue 提供了简单易用的依赖注入功能。这个库使得在你的应用中管理 segue 变得更加直观和类型安全,避免了繁琐的类型转换和冗长的prepareForSegue方法。
项目技术分析
Perform 的核心是 perform(_:prepare:) 方法,它取代了传统的 performSegue(withIdentifier:sender:)。通过自定义静态方法来配置 segue,你可以确保在执行 segue 时,系统会自动将正确类型的视图控制器传入给定的闭包进行初始化。此外,即使你的视图控制器嵌入在一个容器内,Perform 也能正确地找到目标视图控制器并处理嵌套关系。
类型安全的segue
Perform 在运行时检查目标视图控制器的类型,如果类型不符,它会抛出错误,从而保证了代码的类型安全性。
简化嵌套容器的处理
无需再编写复杂的条件语句来处理嵌套导航控制器或其他容器内的视图控制器。Perform 会为你自动查找正确类型的目标视图控制器。
去除prepareForSegue中的switch语句
如果你的应用有多个从同一视图控制器出发的segue,Perform 让你能在触发 segue 的地方直接准备目标视图控制器,消除对庞大的switch语句的需求。
项目及技术应用场景
Perform 非常适合用于那些需要依赖注入以传递数据或者设置视图控制器状态的情况,尤其是在 segue 数量较多或结构较复杂的应用中。例如,在一个表格视图中,当用户选择某一任务后,你可以使用perform(_:prepare:)直接将选定的任务传递到详细信息视图控制器。
项目特点
- 类型安全:自动检查和转换目标视图控制器,保证类型正确。
- 简化代码:不再需要在
prepare(for:sender:)中使用 switch 语句。 - 兼容性好:支持Swift 2.x 和 3.x。
- 易于集成:提供 Carthage 和 CocoaPods 两种安装方式。
- 社区活跃:由知名开发公司 thoughtbot 维护,拥有清晰的贡献指南。
要了解更多关于 Perform 的设计思路和示例,请阅读官方博客发布的文章。
立即尝试将 Perform 引入你的项目,让 segue 处理变得简单而优雅吧!
要安装该项目,可以使用以下命令:
使用 Carthage
在Cartfile中添加:
github "thoughtbot/Perform" ~> 2.0
然后运行 carthage update Perform。
使用 CocoaPods
在Podfile中添加:
pod "Perform", "~> 2.0"
接着按照CocoaPods指南进行安装。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00