Compose Destinations 依赖注入问题解析:如何正确使用 destination 作用域
2025-06-25 06:31:14作者:袁立春Spencer
问题背景
在使用 Compose Destinations 2.1.0 版本时,开发者遇到了一个依赖注入相关的问题。具体表现为:当尝试为特定目的地(Destination)提供依赖时,使用 destination 作用域的方式无法正常工作,而使用全局 dependency 方式则可以。
问题现象
开发者提供了两种不同的依赖注入方式:
- 全局依赖方式(正常工作):
DestinationsNavHost(
dependenciesContainerBuilder = {
dependency(checkoutExpirationDialogHandler)
dependency(hiltViewModel<DeparturesViewModel>())
}
)
- 目的地作用域方式(不工作):
DestinationsNavHost(
dependenciesContainerBuilder = {
destination(DeparturesScreenDestination) { checkoutExpirationDialogHandler }
destination(DeparturesScreenDestination) { hiltViewModel<DeparturesViewModel>() }
}
)
问题根源
经过分析,发现问题出在使用 destination 作用域时缺少了关键的 dependency() 包装方法。正确的做法应该是:
destination(DeparturesScreenDestination) {
dependency(hiltViewModel<DeparturesViewModel>())
}
技术解析
Compose Destinations 依赖注入机制
Compose Destinations 提供了两种依赖注入方式:
- 全局依赖:使用
dependency()方法注册的依赖对所有目的地都可用 - 目的地作用域依赖:使用
destination(DestinationSpec) { ... }方法注册的依赖仅对特定目的地可用
为什么需要 dependency() 包装
destination 作用域内的代码块实际上是一个 DSL 构建器,它需要明确的指令来注册依赖。直接返回依赖实例而不使用 dependency() 方法,会导致依赖没有被正确注册到依赖容器中。
正确用法对比
错误用法:
destination(DeparturesScreenDestination) {
hiltViewModel<DeparturesViewModel>()
}
正确用法:
destination(DeparturesScreenDestination) {
dependency(hiltViewModel<DeparturesViewModel>())
}
最佳实践建议
- 明确依赖作用域:根据依赖的使用范围选择全局注册或目的地作用域注册
- 使用依赖包装:在目的地作用域内必须使用
dependency()方法包装依赖 - 依赖查找:在目的地内部使用
buildDependencies().require()获取依赖时,确保类型匹配 - 版本适配:注意不同版本间的 API 变化(如 v1 中的
dependency方法在 v2 中更名为destination)
总结
Compose Destinations 提供了灵活的依赖注入机制,但使用时需要注意 API 的正确调用方式。特别是在使用目的地作用域依赖时,必须使用 dependency() 方法包装依赖实例,否则依赖将无法正确注册。理解这一机制可以帮助开发者更好地组织和管理 Compose 应用中的依赖关系。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0152- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
Ascend Extension for PyTorch
Python
618
795
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
433
395
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.01 K
1.01 K
Claude 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 Started
Rust
1.18 K
152
deepin linux kernel
C
29
16
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
145
237
暂无简介
Dart
983
252
昇腾LLM分布式训练框架
Python
166
198
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.68 K
989