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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00