Riok.Mapperly 在 .NET Standard 2.0 下处理 ObservableCollection 的兼容性问题
问题背景
Riok.Mapperly 是一个高效的 .NET 对象映射代码生成器,它通过编译时代码生成而非运行时反射来实现高性能的对象映射。最近发现了一个与 .NET Standard 2.0 兼容性相关的问题:当映射包含 ObservableCollection 类型的属性时,在 .NET Standard 2.0 项目中代码生成会失败,而在 .NET 8 项目中则工作正常。
问题现象
开发者在使用 Riok.Mapperly 时发现以下情况:
- 当映射器定义在 .NET 8 类库中时,能够正确生成包含 ObservableCollection 属性的映射代码
- 同样的映射器定义在 .NET Standard 2.0 类库中时,代码生成失败
- 错误信息显示无法获取 System.Collections.Immutable.ImmutableArray 类型
技术分析
这个问题本质上与 .NET Standard 2.0 和 .NET Core/.NET 5+ 之间的类型系统差异有关。具体来说:
-
ObservableCollection 的依赖关系:ObservableCollection 在 .NET Standard 2.0 中的实现与较新版本的 .NET 有所不同,它可能间接依赖于某些不可变集合类型。
-
ImmutableArray 的可用性:错误信息表明代码生成器尝试访问 ImmutableArray 类型,这在 .NET Standard 2.0 环境中可能不可用或需要额外引用。
-
编译时环境差异:代码生成器在 .NET Standard 2.0 和 .NET 8 下运行时可能访问不同的基础库版本,导致类型解析行为不同。
解决方案
Riok.Mapperly 团队已经修复了这个问题,修复内容将包含在下一个预览版本中。对于遇到此问题的开发者,可以考虑以下临时解决方案:
-
升级目标框架:如果可能,将项目升级到 .NET Core 3.1 或更高版本,以获得更好的兼容性。
-
手动添加引用:在 .NET Standard 2.0 项目中显式添加 System.Collections.Immutable 包引用。
-
自定义映射:对于 ObservableCollection 属性,可以暂时使用自定义映射方法绕过自动生成。
长期建议
虽然 Riok.Mapperly 团队已经修复了这个问题,但需要注意:
-
.NET Standard 2.0 支持:项目团队表示对 .NET Standard 2.0 的支持是"尽力而为"的,没有专门的集成测试。
-
贡献机会:团队欢迎贡献者添加针对 .NET Standard 2.0 的集成测试,以提高长期兼容性。
-
版本选择:对于新项目,建议使用较新的 .NET 版本以获得最佳支持和性能。
总结
这个案例展示了跨平台 .NET 开发中可能遇到的类型系统兼容性问题。Riok.Mapperly 团队快速响应并修复了 ObservableCollection 在 .NET Standard 2.0 下的映射问题,同时也提醒开发者注意不同目标框架间的兼容性差异。对于必须使用 .NET Standard 2.0 的项目,可以期待即将发布的修复版本,或者考虑上述临时解决方案。
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