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。
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