Rosie 的安装和配置教程
项目基础介绍
Rosie 是一个用于创建遵循 Clean Architecture 原则的 Android 应用程序的框架。它将应用程序分为三个层次:视图(View)、领域(Domain)和仓库(Repository),为每个层次提供了大量的类,使得定义和分离这些关注点变得更加容易。
主要编程语言
Rosie 使用 Java 作为主要的编程语言。
项目使用的关键技术和框架
- Model-View-Presenter (MVP) 模式:用于实现应用程序的表示逻辑。
- Clean Architecture:一种软件设计哲学,旨在分离应用程序的不同部分,以提高可维护性和可测试性。
- Dagger:一个依赖注入框架,用于解决依赖倒置。
- Repository 模式:为数据的检索和存储提供抽象。
- 命令模式:用于定义和执行应用程序的使用案例。
准备工作
在开始安装和配置 Rosie 之前,请确保您已经安装了以下工具:
- Android Studio
- JDK 1.8 或更高版本
- Gradle
安装步骤
-
克隆项目仓库 打开终端(或命令提示符),然后使用以下命令克隆 Rosie 项目仓库:
git clone https://github.com/Karumi/Rosie.git -
导入项目到 Android Studio 打开 Android Studio,选择 "Open an existing Android Studio project" 并导航到克隆的项目目录。
-
配置项目依赖项 在项目根目录下,找到
build.gradle文件,并确保其中的依赖项与您项目的其他部分兼容。 -
设置 Application 类 为了使用 Rosie 提供的依赖注入配置,您需要让您的
Application类继承自RosieApplication。创建一个名为SampleApplication的类,如下所示:public class SampleApplication extends RosieApplication { @Override protected List<Object> getApplicationModules() { return Arrays.asList((Object) new SampleGlobalModule()); } } -
配置 Activity 或 Fragment 让您的
Activity或Fragment继承自RosieActivity或RosieFragment。例如,对于Activity:public class SampleActivity extends RosieActivity { @Override protected int getLayoutId() { return R.layout.sample_activity; } } -
定义和使用 Presenter 创建一个继承自
RosiePresenter的Presenter类,并在您的Activity或Fragment中使用它。例如:public class SamplePresenter extends RosiePresenter<SamplePresenter.View> { public interface View extends RosiePresenter.View { void foo(); } // 定义 Presenter 的逻辑 } -
运行项目 在 Android Studio 中,选择您的设备和运行项目。如果一切配置正确,应用程序应该会启动并运行。
以上就是 Rosie 的安装和配置指南。按照上述步骤操作,您应该能够成功设置并运行一个基于 Rosie 框架的 Android 应用程序。
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