Circuit 0.28.1版本发布:Android生命周期管理优化与导航修复
项目简介
Circuit是一个由Slack开源的现代化Android和跨平台UI框架,它基于Jetpack Compose构建,提供了一套声明式的UI开发模式。Circuit框架特别注重状态管理和导航系统的设计,帮助开发者构建可维护且高效的应用架构。
核心变更解析
Android生命周期管理的重大改进
本次0.28.1版本最重要的变更是对rememberRetained行为的调整。框架移除了rememberContinuityCanRetainChecker()方法,转而采用CanRetainChecker.Always策略。这一改变使得Android平台上的rememberRetained现在基于ViewModel的生命周期来管理状态保留,而非之前的仅依赖Activity配置变更。
技术影响分析:
- 修复了在Fragment中使用
rememberRetained时可能出现的状态保留失效问题 - 使状态保留行为更加符合Android开发者的预期
- 提升了跨组件状态管理的一致性
导航系统修复
版本修复了两个重要的导航相关问题:
- 修复了
rememberCircuitNavigator和rememberInterceptingNavigator在根级弹出操作时可能重复触发同一屏幕的问题 - 改进了
BackHandler对根级弹出操作的保护机制
这些改进使得导航行为更加稳定可靠,特别是在处理复杂的导航栈操作时。
依赖项更新
框架同步更新了多个关键依赖项:
- Kotlin版本升级至2.1.21
- KSP更新至2.1.21-2.0.1
- Compose Android BOM更新至2025.06.00
- Compose Android更新至1.8.2
- Compose Multiplatform更新至1.8.1
- androidx.lifecycle更新至2.9.1
这些更新带来了最新的编译器优化和API改进,同时确保了框架的兼容性和稳定性。
其他改进
-
自定义ViewModel支持:修复了无法向
continuityRetainedStateRegistry()提供自定义ViewModel的问题,为开发者提供了更大的灵活性。 -
文档更新:更新了文档以更好地引用circuitx导航库,帮助开发者更轻松地找到相关资源。
-
构建系统优化:迁移了已弃用的dependencyProject API,使构建配置更加现代化。
技术建议
对于正在使用Circuit框架的开发者,建议:
-
状态管理升级:检查项目中所有使用
rememberRetained的地方,特别是在Fragment中的使用场景,确保它们在新版本中的行为符合预期。 -
导航逻辑验证:如果应用中使用了复杂的导航栈操作,建议测试根级弹出场景,确认导航行为是否符合预期。
-
依赖同步:考虑同步更新项目中的相关依赖项,特别是Compose相关库,以获得最佳兼容性。
总结
Circuit 0.28.1版本虽然在版本号上是一个小版本更新,但带来了几个重要的行为变更和修复。这些改进主要集中在Android生命周期管理和导航系统两个核心领域,进一步提升了框架的稳定性和开发者体验。对于已经使用Circuit的项目,建议尽快评估并升级到这个版本,特别是那些在Fragment中大量使用状态保留功能的项目。
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