Calf项目v0.7.1版本发布:跨平台UI组件与权限管理能力升级
项目简介
Calf是一个面向Flutter开发者的跨平台UI组件库和工具集合,主要包含calf-ui和calf-permission两大模块。该项目致力于提供原生平台风格的适应性组件,以及简化移动端权限管理流程,帮助开发者快速构建高质量的跨平台应用。
核心功能更新
全新自适应对话框组件
本次发布的v0.7.1版本引入了全新的AdaptiveBasicDialog组件,这是对原有对话框系统的重大扩展。该组件具有以下技术特点:
- 平台自适应渲染:自动识别运行平台(iOS/Android)并呈现符合该平台设计规范的对话框样式
- 高度可定制化:支持通过参数配置对话框的标题、内容、操作按钮等各个部分
- 一致性API:开发者无需针对不同平台编写条件代码,统一API简化开发流程
特别值得注意的是,团队对iOS平台的AdaptiveAlertDialog进行了深度优化,现在支持完全自定义的操作按钮和属性配置,使iOS端的对话框能够更好地满足产品设计需求。
关键问题修复
时间选择器状态初始化问题
开发团队修复了AdaptiveTimePickerState中小时和分钟状态初始化不正确的缺陷。原先版本在某些边界条件下(如午夜时间)会出现显示异常,新版本通过重构状态管理逻辑确保了时间选择的准确性。
iOS底部表单拖拽手柄优化
针对iOS平台的AdaptiveBottomSheet组件,现在当dragHandle参数为null时会正确隐藏拖拽手柄。这一改进使得开发者能够更灵活地控制底部表单的交互方式,特别是在不需要拖拽功能的场景下保持界面简洁。
权限管理模块增强
权限请求逻辑优化
权限管理模块(calf-permission)有两项重要改进:
-
权限状态判断更精准:当权限尚未确定时,
shouldShowRationale现在会正确返回false;只有当权限被明确拒绝后才会返回true。这一变更符合Android权限系统的最佳实践。 -
存储权限的API级别适配:针对不同Android版本(特别是涉及Scoped Storage的API级别差异),重构了存储权限的处理逻辑,确保在各种系统版本上都能正确请求和管理权限。
技术架构升级
项目基础架构也有多项重要更新:
- Kotlin版本升级:从2.1.0升级到2.1.10,获得语言层面的性能改进和新特性支持
- Gradle构建工具:升级至8.13版本,提升构建效率和稳定性
- Activity兼容库:androidx.activity:activity-compose从1.9.3升级到1.10.1,增强与Jetpack Compose的集成能力
开发者建议
对于正在使用或考虑采用Calf项目的开发者,建议重点关注以下方面:
- 对话框组件的迁移:新引入的
AdaptiveBasicDialog提供了更完善的跨平台支持,建议逐步替换原有的平台特定实现 - 权限管理的最佳实践:利用优化后的
shouldShowRationale逻辑,可以构建更用户友好的权限请求流程 - 构建环境准备:升级到新版本后,建议同步更新开发环境的Kotlin和Gradle配置
这次更新体现了Calf项目对开发体验和组件质量的持续追求,特别是跨平台一致性和原生体验方面的改进,使得Flutter应用能够更好地融入各个操作系统生态。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00