Redwood框架0.17.0版本发布:UI开发新特性与优化
Redwood是一个现代化的跨平台UI开发框架,它结合了声明式UI编程的优势与原生平台的高性能特性。该框架由Cash App团队开发维护,旨在为开发者提供高效、灵活且易于维护的UI开发解决方案。最新发布的0.17.0版本带来了一系列重要更新和改进,本文将深入解析这些变化及其对开发者的影响。
兼容性调整与废弃API清理
在0.17.0版本中,Redwood框架进行了两项重要的兼容性调整。首先,框架不再主动支持运行Redwood 0.11.0或更早版本的Treehouse主机。虽然这些旧版本仍能继续工作,但开发者需要注意,它们会出现原生小部件内存泄漏的问题。这种内存泄漏会随着时间的推移不断累积,最终可能影响应用性能。
其次,开发团队移除了ZiplineTreehouseUi.start方法中旧有的、已被弃用的重载形式。这些旧API实际上自Redwood 0.8.0版本(发布于一年多前)就已经被新形式所取代。这种清理工作有助于保持代码库的整洁,减少维护负担,同时也鼓励开发者使用更现代、更高效的API。
安全区域处理与Insets支持
0.17.0版本引入了一个重要的新特性:UIConfiguration.viewInsets。这个属性能够精确追踪特定RedwoodView的安全区域(即不被系统UI元素如状态栏、导航栏等遮挡的区域)。目前,这一功能已在Android视图和iOS的UIView上得到实现。
为了配合这一特性,框架新增了ConsumeInsets {}可组合函数。这个函数专门用于处理安全区域插入(insets),建议开发者在应用的根可组合函数中调用它。这种设计使得开发者能够更方便地处理不同设备的屏幕差异,特别是在有刘海屏、圆角屏或系统导航栏的设备上。
测试功能增强
在测试支持方面,新版本添加了TestRedwoodComposition.setContentAndSnapshot函数。这个函数是setContent和awaitSnapshot的融合版本,但它有一个重要优势:它能确保返回的快照是内容初始组合的结果,而不会包含任何额外发送的帧。这对于UI测试的准确性和可靠性有显著提升,特别是在需要验证UI初始状态的测试场景中。
布局与渲染修复
0.17.0版本修复了多个布局和渲染方面的问题:
-
修正了ComposeUiBox和ViewBox之间边距应用不一致的问题,确保两种实现方式在相同条件下表现一致。
-
为ComposeUiBox添加了对Height和Width修饰符的支持,增强了布局控制的灵活性。
-
修复了DisposableEffect在屏幕解绑时未被调用的问题。之前框架只在效果从组合中移除时才调用这些方法,现在则会在适当的时候正确触发。
-
在Treehouse中支持了movableContentOf功能(以及Redwood协议中的一般支持)。需要注意的是,这一功能要求主机运行0.17.0或更新版本。
-
解决了iOS平台上Column和Row在不是另一个Column或Row的子元素时,其固有尺寸不会更新的问题。这一修复确保了布局系统在各种嵌套情况下的正确行为。
总结
Redwood 0.17.0版本通过引入安全区域处理、增强测试能力以及修复多个布局问题,进一步提升了框架的稳定性和可用性。这些改进使得开发者能够更轻松地构建适应各种设备和屏幕尺寸的UI,同时保证了应用在不同平台间的一致表现。特别是对Insets的支持和布局系统的优化,将显著简化开发者处理复杂UI场景的工作。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00