Kotlin/Dokka中私有注解在模型中的可见性问题解析
在Kotlin项目文档生成工具Dokka的使用过程中,开发者可能会遇到一个关于注解可见性的特殊问题:当配置documentedVisibilities为PUBLIC和PROTECTED时,预期中私有(private)或内部(internal)可见性的注解类不应该出现在生成的文档模型中。然而实际情况是,虽然这些注解类本身确实没有作为DAnnotation出现在模型中,但它们在被其他公共类使用时,却仍然会以Annotations.Annotation的形式出现在那些公共类的注解列表中。
这个问题的典型表现可以通过以下代码示例来说明:
private annotation class PrivateAnnotation
@PrivateAnnotation
class PublicClass
在这个例子中,PrivateAnnotation本身不会出现在Dokka生成的文档模型中,这是符合预期的。但出乎意料的是,PublicClass的注解列表中却仍然包含PrivateAnnotation的引用。这种行为可能会导致文档使用者困惑,因为他们可能会看到一些本应隐藏的注解信息。
从技术实现角度来看,这个问题涉及到Dokka处理注解可见性的两个不同层面:
-
对于注解类本身的处理:Dokka正确地遵循了
documentedVisibilities的配置,过滤掉了私有和内部可见性的注解类,没有将它们作为DAnnotation包含在模型中。 -
对于注解使用的处理:Dokka在收集被注解元素的注解信息时,似乎没有应用相同的可见性过滤规则,导致这些私有注解的使用仍然被保留。
这个问题本质上是一个模型一致性问题。理想情况下,Dokka应该在整个文档生成流程中一致地应用可见性过滤规则。也就是说,如果一个注解因为其可见性被排除在模型之外,那么所有使用该注解的地方也应该相应地排除这些注解引用。
对于遇到这个问题的开发者来说,目前可以通过自定义处理来绕过这个问题。但长远来看,这需要在Dokka的核心逻辑中进行修复,确保可见性过滤在整个文档生成过程中得到一致的应用。
理解这个问题对于使用Dokka的Kotlin开发者来说非常重要,特别是在需要严格控制API文档中可见内容的场景下。开发者应该意识到,当前版本的Dokka在注解处理上可能存在这种不一致性,并在审查生成的文档时注意检查这类情况。
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