VasDolly:高效多渠道打包工具
项目介绍
VasDolly 是一款由腾讯开源的高效多渠道打包工具,旨在帮助开发者快速生成多个渠道的 APK 包。它支持基于 V1、V2 和 V3 签名进行多渠道打包,并且能够自动检测 APK 使用的签名类别,选择合适的打包方式,对使用者来说完全透明。VasDolly 不仅支持通过 Gradle 插件进行配置和生成渠道包,还提供了命令行工具,方便开发者进行渠道包的生成和渠道信息的读取。
项目技术分析
支持的签名类型
VasDolly 支持基于 V1、V2 和 V3 签名的多渠道打包。对于使用 Gradle Plugin 2.2 以上的项目,默认开启 V2 签名。开发者可以通过配置 v2SigningEnabled 属性来关闭 V2 签名,仅使用 V1 签名。
Gradle 插件集成
VasDolly 提供了 Gradle 插件,开发者只需在项目的 build.gradle 文件中添加相应的依赖和插件引用,即可轻松集成 VasDolly。插件支持两种渠道配置方式:通过 gradle.properties 文件指定渠道文件,或在 channel 或 rebuildChannel 属性中指定渠道文件。
多渠道包生成
VasDolly 提供了两种生成多渠道包的方式:
- 直接编译生成多渠道包:通过配置渠道文件、输出目录和命名规则,使用
gradle channelDebug或gradle channelRelease命令生成多渠道包。 - 根据已有基础包重新生成多渠道包:通过配置渠道文件、基础包路径和输出目录,使用
gradle rebuildChannel命令生成多渠道包。
命令行工具
VasDolly 还提供了命令行工具,支持通过命令行生成渠道包和读取渠道信息,方便开发者在不同场景下使用。
项目及技术应用场景
VasDolly 适用于以下应用场景:
- 应用市场分发:在应用发布到不同应用市场时,需要为每个市场生成特定的渠道包,VasDolly 可以帮助开发者快速生成多个渠道的 APK 包。
- A/B 测试:在进行 A/B 测试时,可能需要为不同的用户群体生成不同的渠道包,VasDolly 可以轻松实现这一需求。
- 数据统计:通过渠道包可以方便地统计不同渠道的下载量和用户行为,VasDolly 生成的渠道包可以帮助开发者更好地进行数据分析。
项目特点
高效快速
VasDolly 采用高效的打包算法,能够在短时间内生成多个渠道的 APK 包,大大提升了开发效率。
支持多种签名方式
VasDolly 支持基于 V1、V2 和 V3 签名的多渠道打包,能够自动检测 APK 的签名类型,选择合适的打包方式。
灵活配置
VasDolly 提供了灵活的配置选项,开发者可以根据需求自定义渠道文件、输出目录和命名规则,满足不同场景下的打包需求。
命令行支持
VasDolly 提供了命令行工具,方便开发者在不同环境下生成渠道包和读取渠道信息,增强了工具的灵活性和适用性。
开源社区支持
VasDolly 是一个开源项目,拥有活跃的社区支持,开发者可以在 GitHub 上提交问题和建议,共同推动项目的改进和发展。
结语
VasDolly 作为一款高效的多渠道打包工具,凭借其强大的功能和灵活的配置,已经成为众多开发者的首选。无论是应用市场分发、A/B 测试还是数据统计,VasDolly 都能帮助开发者轻松应对。如果你还在为多渠道打包而烦恼,不妨试试 VasDolly,相信它会给你带来意想不到的惊喜!
项目地址:VasDolly GitHub
License:BSD 3-Clause License
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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