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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0197
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0126
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07