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。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00