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。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust021
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00