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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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