Pbandk 使用指南
1. 项目介绍
Pbandk 是一个专为 Kotlin 多平台设计的 Protocol Buffers 代码生成器及运行时库。此项目旨在从 .proto 定义文件自动生成符合 Kotlin 编程习惯的数据类,并支持在 JVM、Android、iOS、JavaScript、WebAssembly 等所有由 Kotlin Multiplatform 支持的平台上运行。Pbandk 强调遵循 Kotlin 的编程规范,提供易用且与平台兼容的API,同时也考虑到与其他语言如Java、Swift等的互操作性,尽管这受限于当前Kotlin多平台的限制。
2. 项目快速启动
添加依赖
首先,在你的 Kotlin 多平台项目中,确保你已经配置了 Protobuf 插件和添加了 Pbandk 作为依赖。以下是在 Gradle 中如何配置的示例:
repositories {
mavenCentral()
// 如果使用的是SNAPSHOT版本,则还需要添加下面的仓库
maven { url 'https://s01.oss.sonatype.org/content/repositories/snapshots/' }
}
dependencies {
implementation("com.streem.pbandk:pbandk-runtime:0.16.1")
}
创建 .proto 文件
创建一个简单的 .proto 文件,比如 addressbook.proto:
syntax = "proto3";
package tutorial;
message Person {
string name = 1;
int32 id = 2;
string email = 3;
repeated PhoneNumber phones = 4;
}
message PhoneNumber {
string number = 1;
enum PhoneType {
MOBILE = 0;
HOME = 1;
WORK = 2;
}
PhoneType type = 2;
}
message AddressBook {
repeated Person people = 1;
}
生成 Kotlin 代码
你需要通过 Protobuf 编译器并结合 Pbandk 的插件来生成 Kotlin 代码。这通常通过Gradle插件自动完成,具体步骤依据项目的构建脚本而定。一旦配置正确,执行相应的编译任务后,会自动生成对应的 Kotlin 类在指定的包路径下。
3. 应用案例和最佳实践
使用 Pbandk 生成的 Person 示例数据类,你可以这样创建一个新的 Person 实例并序列化它:
import tutorial.Person
val johnDoe = Person(name = "John Doe", id = 1, email = "john.doe@example.com")
val bytes = pbandk.MessageWriter(johnDoe).toByteArray()
最佳实践中,你应该充分利用 Kotlin 的特性,如利用密封类处理 oneof 情况,以及通过 Ktor 或其他网络库将生成的消息高效地发送到服务器。
4. 典型生态项目
Pbandk 虽然主要聚焦于 Kotlin Multiplatform 环境中的 Protobuf 支持,但其在多平台服务端和客户端通信领域有着广泛的应用潜力。例如,结合 Ktor 开发RESTful服务,或是作为微服务架构中服务间通信的基础,利用其生成的代码进行高效的数据序列化和反序列化。
在实际开发中,你可能会遇到需要与gRPC服务交互的情况。虽然Pbandk本身不直接生成gRPC代码,但它提供了接口允许开发者实现自己的服务代码生成逻辑,从而与gRPC生态无缝对接。
通过以上介绍,你应该能够快速上手 Pbandk,将其融入你的多平台项目中,享受高效且一致的跨平台数据交换体验。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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