JetBrains Compose Hot Reload 1.0.0-alpha06-106 版本深度解析
项目简介
JetBrains Compose Hot Reload 是一个用于提升 Kotlin 开发效率的热重载工具,特别针对 Compose 项目设计。它允许开发者在修改代码后无需完全重启应用就能看到变更效果,显著缩短了开发反馈周期。最新发布的 1.0.0-alpha06-106 版本带来了多项重要改进,使开发体验更加流畅。
核心改进
1. 移除默认运行时 API 依赖
这个版本移除了对 'runtime-api' 模块的默认依赖,简化了项目配置。开发者不再需要将代码包裹在 DevelopmentEntryPoint {} 块中。这一变化使得项目结构更加简洁,减少了样板代码。
迁移建议:升级后,开发者可以安全地移除所有 DevelopmentEntryPoint 相关的代码。如果确实需要这些功能,可以手动添加依赖,但不推荐大多数项目这样做。
2. 基于 JAR 的热重载支持
对于大型或复杂项目,这个版本引入了基于 JAR 文件的重载机制。相比之前的方法,这种实现方式更加稳定可靠,能够处理更复杂的项目结构。这意味着即使你的项目包含多个模块或大量代码,热重载也能正常工作。
3. 异步启动支持
新增的 jvmRunHotAsync 任务允许应用异步启动,开发者可以通过指定主类来启动应用:
./gradlew :app:jvmRunHotAsync --mainClass my.pkg.MainKt
这种启动方式不会阻塞构建过程,特别适合需要同时运行其他任务或服务的开发场景。
4. 参数文件重启机制
新版本引入了基于参数文件的重启机制,这一改进带来了两个重要好处:
- 解决了 Windows 系统上的重启按钮不可用问题
- 提供了更可靠的重启过程,减少了环境变量和参数传递可能导致的错误
5. 命令行参数支持
现在开发者可以直接通过命令行参数指定主类、类名和函数名:
--mainClass: 指定包含 main 函数的类--className: 指定类名--funName: 指定函数名
这种灵活性使得从不同入口启动应用变得更加方便。
其他重要改进
-
Windows 应用优雅关闭:改进了 Windows 系统上应用的关闭机制,确保资源被正确释放。
-
Gradle 解析改进:修复了开发运行时在 Gradle 中的解析问题,新增了必要的 Gradle 属性。
-
任务命名规范化:统一了运行任务的命名约定,如
jvmRunHot、jvmRunDev、jvmRunHotAsync等,提高了一致性。 -
Gradle/IDE 同步支持:初步添加了对 Gradle 和 IDE 同步的支持,为未来更好的 IDE 集成奠定了基础。
使用说明
要使用这个版本,需要在项目中添加插件:
id("org.jetbrains.compose.hot-reload") version "1.0.0-alpha06-106"
由于这是开发版构建,还需要配置特殊的 Maven 仓库:
pluginManagement {
repositories {
maven("https://packages.jetbrains.team/maven/p/firework/dev")
}
}
dependencyResolutionManagement {
repositories {
maven("https://packages.jetbrains.team/maven/p/firework/dev")
}
}
总结
1.0.0-alpha06-106 版本标志着 JetBrains Compose Hot Reload 工具的重要进步。通过移除不必要的依赖、改进重载机制、增强命令行支持等多项改进,这个版本为开发者提供了更流畅、更可靠的热重载体验。特别是对大型项目的支持改进和 Windows 平台的优化,使得这个工具能够在更广泛的项目中发挥作用。
对于正在使用 Compose 进行开发的团队,这个版本值得尝试,特别是那些受限于之前版本在大型项目中表现不佳的情况。随着这些基础架构的改进,我们可以期待未来版本会带来更多面向开发者的便利功能。
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