Gallery项目中的无网络权限版本构建问题分析
Gallery是一款开源的Android图片浏览应用,近期在3.0.0版本的无地图(nomap)构建中出现了意外的网络权限问题。本文将深入分析该问题的成因及解决方案。
问题背景
Gallery应用提供了多个构建变体,其中无地图版本(nomap)设计上不应包含网络访问权限。在2.1.2版本中,这一设计得到了正确实现,但在升级到3.0.0版本后,用户发现无地图版本意外地重新包含了INTERNET权限。
技术分析
权限移除机制
项目原本通过CI流程在构建前从AndroidManifest.xml中移除INTERNET权限。这种预构建脚本处理是Android开发中常见的权限控制方式。然而在3.0.0版本中,这一机制失效了。
问题根源
经过开发者调查,问题可能源于以下两方面:
-
依赖库引入:某些新增的依赖库可能在它们的manifest中声明了INTERNET权限,导致在最终合并的manifest中重新出现该权限。
-
构建流程变化:版本升级可能引入了新的构建工具或流程,影响了原有的权限移除脚本的执行时机或效果。
解决方案
开发者采取了两种技术手段来解决这一问题:
-
工具属性标记:在AndroidManifest.xml中使用tools:node="remove"属性,这是一种更可靠的权限移除方式,可以在manifest合并阶段直接移除指定权限,不受后续依赖库的影响。
-
构建脚本优化:改进了预构建脚本的执行逻辑,确保在依赖库合并前就完成权限移除。
版本验证
在3.0.1-30102夜间构建版本中,开发者确认问题已修复。无地图版本重新恢复了无网络权限的设计要求。
技术建议
对于类似需求,建议开发者:
-
优先使用manifest合并工具属性(tools:node)而非后期脚本处理,这种方式更加可靠。
-
在引入新依赖时,仔细检查其manifest声明,避免意外引入不需要的权限。
-
建立完善的权限测试机制,确保各构建变体的权限配置符合预期。
Gallery项目的这一案例展示了Android应用权限管理的典型挑战和解决方案,为类似项目提供了有价值的参考。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- 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
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00