Uniffi-rs项目中异步函数支持的最新进展
Uniffi-rs作为Mozilla开发的Rust与其他语言互操作的工具链,近期在异步函数支持方面有了重要更新。本文将详细介绍这一功能特性及其使用注意事项。
异步函数支持现状
在Uniffi-rs 0.25.3版本中,开发者可能会遇到一个常见问题:当尝试在UDL文件中使用[Async]属性标记异步方法时,构建过程会失败并提示"ExtendedAttributeNoArgs not supported: 'Async'"错误。
这个问题的根源在于0.25.3版本尚未实现对[Async]属性的支持。该功能实际上已经在项目的主分支(main)中实现,并计划在即将发布的0.26版本中正式推出。
技术背景
异步编程是现代软件开发中的重要范式,特别是在需要处理I/O密集型操作的场景中。Uniffi-rs作为连接Rust与其他语言的桥梁,自然需要提供对异步函数的支持。
在Rust中,异步函数通过async关键字声明,而在UDL(Uniffi定义语言)中,则通过[Async]属性来标记对应的接口方法。这种设计保持了与Rust原生语法的对应关系,同时也考虑了接口定义语言的可读性。
解决方案
对于急需使用此功能的开发者,有以下几种选择:
-
等待0.26版本发布:Mozilla团队预计将在未来几周内发布包含此功能的0.26版本。
-
使用主分支代码:可以通过直接依赖项目的GitHub主分支来提前使用这一功能,但需要注意这可能会带来一些不稳定因素。
-
临时替代方案:在当前版本中,可以考虑将异步逻辑封装在同步接口中,通过回调或其他机制来实现类似效果。
最佳实践建议
当0.26版本发布后,开发者可以按照以下方式正确使用异步函数:
// Rust实现
impl Test {
pub async fn test() {
// 异步操作实现
}
}
对应的UDL定义应为:
interface Test {
[Async]
void test();
};
文档版本化问题
值得注意的是,当前Uniffi-rs的在线文档没有进行版本化处理,这导致开发者可能会看到尚未发布的特性文档。这是一个已知问题,团队正在考虑改进方案。在实际开发中,建议开发者同时参考所使用版本的本地文档。
总结
Uniffi-rs对异步函数的支持代表了该项目在现代化Rust互操作解决方案上的持续进步。开发者应当注意功能与版本的对应关系,合理规划项目依赖。随着0.26版本的发布,异步函数支持将变得更加稳定和易用,为构建高性能的跨语言应用提供更强大的工具支持。
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