AutoRoute导航守卫执行期间的加载动画处理方案
背景概述
在使用Flutter的AutoRoute路由库进行页面导航时,开发者可能会遇到一个常见的用户体验问题:当页面间存在多个导航守卫(Guards)时,在执行守卫逻辑期间会出现短暂的白屏现象。这种情况尤其容易发生在守卫中包含耗时操作(如API调用、权限验证等)的场景中。
问题分析
AutoRoute的导航守卫机制会在实际页面跳转前执行一系列验证逻辑。默认情况下,系统会先移除当前页面,然后依次执行所有守卫,最后才显示目标页面。这个过程中存在两个关键阶段:
- 页面切换间隙:当前页面已移除,但目标页面尚未显示
- 守卫执行期:多个守卫依次执行耗时操作
在这两个阶段,用户会看到一个空白屏幕,造成体验上的不连贯感。特别是当守卫中包含网络请求等异步操作时,这种白屏现象会更加明显。
解决方案
AutoRoute提供了ActiveGuardObserver机制,可以监听守卫的执行状态,开发者可以利用这个特性实现加载动画。
实现步骤
-
创建守卫观察者: 继承ActiveGuardObserver类,实现守卫开始和结束的回调方法。这些回调会在守卫执行前后触发。
-
状态管理: 在观察者中维护一个标志位,用于表示当前是否有守卫正在执行。可以使用简单的布尔值,也可以使用更复杂的状态管理方案如Provider或Riverpod。
-
加载组件集成: 在应用顶层或特定页面中,根据守卫执行状态显示或隐藏加载动画。通常可以使用Stack布局将加载组件覆盖在页面内容之上。
-
动画实现: 选择适合的加载动画组件,可以是CircularProgressIndicator等Material Design组件,也可以是自定义的Lottie动画等。
代码示例
// 自定义守卫观察者
class CustomGuardObserver extends ActiveGuardObserver {
final ValueNotifier<bool> isGuarding = ValueNotifier(false);
@override
void onGuardsStarted() {
isGuarding.value = true;
super.onGuardsStarted();
}
@override
void onGuardsFinished() {
isGuarding.value = false;
super.onGuardsFinished();
}
}
// 在MaterialApp中配置
final _appRouter = AppRouter(guardObserver: CustomGuardObserver());
MaterialApp.router(
routerConfig: _appRouter.config(),
builder: (context, child) {
return ValueListenableBuilder<bool>(
valueListenable: _appRouter.guardObserver.isGuarding,
builder: (context, isGuarding, child) {
return Stack(
children: [
child!,
if (isGuarding)
const Center(
child: CircularProgressIndicator(),
),
],
);
},
);
},
);
进阶优化
-
差异化加载: 根据不同的路由或守卫类型显示不同的加载动画,提升用户体验的一致性。
-
超时处理: 为守卫执行设置超时限制,避免因网络问题导致长时间显示加载动画。
-
进度指示: 对于多个守卫连续执行的情况,可以实现进度条显示当前执行进度。
-
错误处理: 在守卫失败时提供友好的错误提示,而不是直接中断导航。
注意事项
- 加载动画的设计应当简洁明了,避免过于复杂影响性能
- 考虑不同设备的屏幕尺寸和比例,确保加载动画在各种设备上都能正常显示
- 在实现时要处理好异常情况,确保即使守卫抛出异常也能正确隐藏加载动画
- 对于特别耗时的守卫操作,建议优化业务逻辑而非单纯依赖加载动画
通过上述方案,开发者可以有效解决AutoRoute导航过程中因守卫执行导致的白屏问题,显著提升应用的用户体验。
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