Ktorfit 2.3.0 版本发布:更灵活的编译器插件与多平台支持
Ktorfit 是一个基于 Ktor 的 Kotlin HTTP 客户端库,它借鉴了 Retrofit 的设计理念,通过注解和接口定义的方式简化 HTTP 请求的处理。最新发布的 2.3.0 版本带来了多项重要改进,使开发者能够更灵活地控制编译器插件行为,并扩展了对 Android Native 平台的支持。
编译器插件灵活配置
2.3.0 版本最显著的改进之一是提供了对编译器插件的更精细控制。开发者现在可以:
- 指定使用特定版本的 Kotlin 编译器插件
- 完全禁用编译器插件(通过设置为"-")
- 默认情况下自动使用项目当前的 Kotlin 版本
这一改进通过 Gradle 配置实现:
ktorfit {
kotlinVersion = "-" // 禁用插件
// 或
kotlinVersion = "x.x.x" // 指定版本
}
这种灵活性对于以下场景特别有用:
- 项目使用特殊版本的 Kotlin 编译器
- 需要排除插件可能带来的编译问题
- 在多模块项目中统一控制插件行为
扩展的 Android Native 支持
新版本增加了对 Android Native 平台的全方位支持,包括:
- androidNativeArm32
- androidNativeArm64
- androidNativeX86
- androidNativeX64
这意味着开发者现在可以在更多原生 Android 环境中使用 Ktorfit,特别是在需要与 C/C++ 代码交互或开发跨平台应用时。
请求注解增强
2.3.0 版本改进了函数注解的处理方式,现在所有函数级别的注解都会被包含在请求属性中。这一改进使得开发者能够:
- 更灵活地处理自定义注解
- 在运行时获取完整的函数元数据
- 实现更复杂的请求拦截和修改逻辑
问题修复
本次版本还解决了两个重要问题:
- 修复了 @Headers 注解在生成代码时产生意外换行符的问题
- 解决了生成的代码中重复 @Opt 注解的问题
这些修复提高了生成代码的整洁性和正确性,减少了潜在的运行时错误。
技术实现分析
从技术角度看,2.3.0 版本的改进主要集中在以下几个方面:
-
编译器插件架构重构:新的版本分离了插件版本控制逻辑,使其更加模块化,便于维护和扩展。
-
多平台支持增强:通过抽象化平台特定代码,实现了对 Android Native 各架构的统一支持。
-
注解处理优化:改进了 KSP 处理器的注解收集和转换逻辑,确保所有相关注解都能正确传递到运行时环境。
升级建议
对于现有项目,升级到 2.3.0 版本通常是无缝的。但开发者应注意:
-
如果使用了自定义注解处理,可能需要检查新的注解传递行为是否符合预期。
-
在 Android Native 项目中使用时,确保正确配置了对应的目标平台。
-
如果遇到编译问题,可以考虑暂时禁用编译器插件进行排查。
Ktorfit 2.3.0 的这些改进进一步巩固了它作为 Kotlin 多平台 HTTP 客户端解决方案的地位,特别是在需要灵活配置和广泛平台支持的场景下。
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