Gallery项目中的DependencyInfoBlock问题解析与解决方案
背景介绍
在Android应用开发过程中,构建工具AGP(Android Gradle Plugin)会在APK文件中自动添加一个名为DependencyInfoBlock的特殊数据块。这个数据块属于所谓的"Frosting"签名块类型,由Google使用其私钥签名,只能被Google读取。这种设计虽然对普通开发者透明,但在某些特定场景下可能会引发问题。
问题发现
在Gallery项目的APK分析过程中,发现存在DependencyInfoBlock数据块。这个数据块包含了应用的依赖关系元数据信息,虽然对应用功能没有直接影响,但对于希望完全控制APK内容的开发者或发布平台(如F-Droid)来说,这种Google专有的数据块可能不符合需求。
技术原理
DependencyInfoBlock是AGP在构建过程中自动注入到APK签名块区域的数据。它主要包含以下信息:
- 项目依赖关系元数据
- 构建配置信息
- 其他构建相关的元数据
这些信息被Google签名保护,第三方无法读取或验证其内容。从技术角度看,这种设计有助于Google了解应用构建环境,但对应用功能本身没有贡献。
解决方案
在Gallery项目的build.gradle文件中添加以下配置可禁用此功能:
android {
dependenciesInfo {
// 禁用APK中的依赖元数据
includeInApk = false
// 禁用Android App Bundle中的依赖元数据
includeInBundle = false
}
}
这个配置明确告诉AGP不要在构建产物中包含依赖关系元数据信息。值得注意的是,此修改不会影响应用的正常功能,也不会改变应用的签名验证机制。
版本代码方案优化
除了解决DependencyInfoBlock问题外,还建议对项目的版本代码方案进行调整。将每个ABI(应用二进制接口)的版本代码设置为连续值,如300331、300332等。这种方案有利于:
- 支持分架构APK发布
- 简化版本管理
- 便于多渠道分发管理
实施效果
应用上述修改后,Gallery项目的APK将:
- 不再包含Google专有的DependencyInfoBlock
- 保持原有的功能和性能
- 更适合在多种分发渠道发布
- 满足更严格的隐私和控制要求
总结
通过对Gallery项目的构建配置进行优化,不仅解决了特定分发渠道的兼容性问题,还提升了项目的构建灵活性。这种优化体现了良好的工程实践,值得其他Android项目参考。开发者应当根据实际分发需求,合理配置构建参数,确保产物的纯净性和适用性。
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
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