Shizuku项目在Android 14 QPR3 Beta2上的权限管理接口变更分析
背景介绍
Shizuku是一个优秀的Android系统服务调用框架,它允许开发者通过标准API访问系统级功能。在Android系统不断迭代更新的过程中,系统内部接口经常发生变化,这给像Shizuku这样的系统工具带来了兼容性挑战。
问题现象
在Android 14 QPR3 Beta2版本中,开发者报告了一个关键错误:当尝试调用grantRuntimePermission方法时,系统抛出NoSuchMethodError异常。错误信息明确指出在android.permission.IPermissionManager接口中找不到该方法。
技术分析
接口变更详情
通过分析Android 14 QPR3 Beta2的框架代码,我们发现Google对权限管理接口做了重要修改:
-
方法签名变更:从原来的
grantRuntimePermission(String packageName, String permissionName, int userId)变更为grantRuntimePermission(String packageName, String permissionName, String persistentDeviceId) -
参数类型变化:第三个参数从
int类型的userId改为String类型的persistentDeviceId
影响范围
这一变更影响了所有依赖此接口进行运行时权限管理的应用,特别是像Shizuku这样需要动态授予权限的系统工具。在旧版本Shizuku(13.5.3)上运行时,由于尝试调用不存在的接口方法,导致应用崩溃。
解决方案
Shizuku开发团队迅速响应,在版本13.5.4中修复了此问题。修复方案主要包括:
- 动态检测Android系统版本
- 根据系统版本选择正确的接口方法
- 适配新的参数类型和调用方式
开发者建议
对于依赖系统隐藏API的开发者,建议:
- 密切关注Android Beta版本的API变更
- 实现灵活的版本适配机制
- 加入系统版本检查逻辑
- 考虑使用反射等动态调用方式处理可能变化的接口
总结
Android系统的持续演进带来了API的不断变化,这对系统工具开发者提出了更高要求。Shizuku项目通过快速响应和适配,展现了优秀的工程能力。这一案例也提醒我们,在开发系统级工具时,必须建立完善的版本兼容机制,以应对系统接口可能发生的各种变化。
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