SwiftFormat 中关于 `@storageRestrictions` 的 `self` 使用问题解析
在 Swift 5.9 中引入的 init-accessors 特性为 Swift 属性提供了更灵活的初始化控制能力。@storageRestrictions 属性作为这一特性的重要组成部分,允许开发者明确指定哪些存储属性会被初始化器访问或修改。然而,在实际使用中,我们发现了一个值得注意的语法细节问题。
问题背景
在 Swift 代码中,当使用 @storageRestrictions 属性时,其参数列表中引用的存储属性名称是否需要添加 self. 前缀存在一个微妙的语法差异。根据 Swift 编译器的当前实现:
// 这种写法会被编译器接受
@storageRestrictions(initializes: __myVar)
// 而这种带 self 前缀的写法会被拒绝
@storageRestrictions(initializes: self.__myVar)
这个行为与 Swift 中大多数其他场景下的属性引用方式不同,因为在常规情况下,self.__myVar 和 __myVar 通常是等价的。
技术细节分析
-
@storageRestrictions的设计意图:这个属性主要用于声明式地指定哪些存储属性会被初始化器访问,其参数列表中的标识符应该被解析为纯粹的属性名称而非完整的成员访问表达式。 -
SwiftFormat 的影响:当开发者配置 SwiftFormat 使用
--self insert选项时,格式化工具会自动为属性引用添加self.前缀,这会导致原本有效的@storageRestrictions声明变为无效代码。 -
编译器的处理逻辑:Swift 编译器在解析
@storageRestrictions参数时,将其视为一个特殊的上下文,只接受简单的标识符而非完整的表达式,这与常规的属性访问语法有所区别。
解决方案
SwiftFormat 在 0.54.0 版本中修复了这个问题,现在会智能地识别 @storageRestrictions 属性中的参数列表,避免在这些位置自动插入 self 前缀。开发者可以安全地使用以下两种配置:
- 继续使用
--self insert全局配置 - 或者在
@storageRestrictions处手动禁用 self 插入
最佳实践建议
- 在使用 init-accessors 时,建议直接使用简单的属性名而不加
self.前缀 - 更新到 SwiftFormat 0.54.0 或更高版本以避免格式化导致的编译错误
- 在团队协作项目中,统一关于
@storageRestrictions的代码风格约定
这个案例提醒我们,在使用新兴语言特性时,需要特别注意其与工具链的交互行为,及时关注编译器和相关工具的更新,以确保开发流程的顺畅。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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 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
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