Xamarin.Auth 技术文档
1. 安装指南
Xamarin.Auth 的安装过程依赖于平台,以下为MacOSX和Windows平台的安装命令。
对于 MacOSX 平台:
sh ./build.sh --target=clean && sh ./build.sh --target=libs && sh ./build.sh --target=nuget
对于 Windows 平台:
# Windows 平台的安装命令未在文档中给出,请参考相应的开发文档或社区支持。
2. 项目的使用说明
Xamarin.Auth 是一个跨平台库,用于帮助开发者通过标准的认证机制(如 OAuth 1.0 和 2.0)对用户进行认证并存储用户凭据。该库也便于添加对非标准认证方案的支持。
在使用前,您需要通过OAuth服务提供商(如Google、Facebook)完成服务器端设置。接着,在客户端初始化 Authenticator 对象,设置相关的 OAuth 数据。
3. 项目API使用文档
Xamarin.Auth 提供了以下两种构造函数,分别用于 OAuth2 Implicit Grant flow 和 OAuth2 Authorization Code Grant flow 的初始化:
-
OAuth2 Implicit Grant flow
参数包括:
clientId、scope、authorizeUrl、redirectUrl -
OAuth2 Authorization Code Grant flow
参数包括:
clientId、clientSecret、scope、authorizeUrl、redirectUrl、accessTokenUrl
下面是一个使用 OAuth2 Implicit Grant flow 认证 Facebook 的示例:
using Xamarin.Auth;
// ...
OAuth2Authenticator auth = new OAuth2Authenticator
(
clientId: "App ID from https://developers.facebook.com/apps",
scope: "",
authorizeUrl: new Uri ("https://m.facebook.com/dialog/oauth/"),
redirectUrl: new Uri ("http://www.facebook.com/connect/login_success.html"),
// 是否使用新的 Native UI API
// true = Android Custom Tabs 和/或 iOS Safari View Controller
// false = 使用嵌入式浏览器(Android WebView, iOS UIWebView)
// 默认 = false(不使用新的 Native UI)
isUsingNativeUI: false
);
4. 项目安装方式
项目可以通过以下方式安装:
- 通过 NuGet 包管理器安装。在 NuGet 包管理器中搜索
Xamarin.Auth并安装。 - 通过 GitHub 仓库克隆项目代码到本地,然后按照上面的构建命令进行构建。
请注意,Xamarin.Auth 已经支持了多个平台,包括 Xamarin.Android、Xamarin.iOS、Windows Phone Silverlight 8、Windows Store 8.1 WinRT、Windows Phone 8.1 WinRT 以及 Universal Windows Platform (UWP)。一旦您学会了在某个平台上使用它,迁移到其他平台将会非常简单。
以上就是关于 Xamarin.Auth 的技术文档,希望对您使用该库有所帮助。如果您有任何问题或需要进一步的帮助,请参考文档中提供的社区支持渠道。
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