QAuxiliary模块在Android 15上的防撤回功能失效问题分析
问题现象
近期有用户反馈在使用QAuxiliary模块时遇到了防撤回功能失效的问题。具体表现为:在QQ私聊和群聊场景中,当对方发送消息后撤回时,本地客户端仅显示QQ原生的撤回提醒,而未能保留原始消息内容,也没有显示模块特有的灰色"已撤回"提示文字。
环境分析
经过排查,该问题出现在以下特定环境中:
- 操作系统:Android 15
- Xposed框架:LSPatch 0.7
- QQ版本:9.1.35.22670(8708)
- QAuxiliary模块版本:1.5.6.r2596.49aaf5f(2596)
根本原因
问题根源在于Xposed框架与Android 15系统的兼容性问题。LSPatch 0.7版本尚未完全适配Android 15的新特性和API变更,导致模块的部分hook功能无法正常生效。特别是消息撤回相关的hook点未能成功拦截系统调用,使得防撤回功能失效。
解决方案
针对此问题,建议采取以下解决方案:
-
更换Xposed框架:使用专为Android 15适配的框架版本,如FPA(Future Patch Android)框架。该框架针对新版本Android系统进行了优化,能够更好地支持模块功能。
-
验证框架兼容性:在更换框架后,不仅防撤回功能恢复正常,用户反馈的其他问题(如"以图片形式打开闪照"导致的界面卡顿)也得到解决,这进一步证实了框架兼容性的重要性。
技术建议
对于开发者和高级用户,在处理类似问题时应注意:
-
系统版本适配:随着Android系统迭代更新,模块开发者需要及时跟进新系统的API变化,特别是涉及进程注入和hook机制的改动。
-
框架选择:不同Xposed框架实现各有侧重,用户应根据自己的系统版本选择最适合的框架变种。对于Android 15等新系统,建议优先考虑声明支持该版本的框架。
-
功能测试:在系统或框架升级后,应全面测试模块各项功能,包括但不限于防撤回、消息记录、特殊消息处理等核心功能。
总结
本次QAuxiliary模块防撤回功能失效的案例,揭示了Xposed模块在新版本Android系统上可能面临的兼容性挑战。通过更换适配性更好的框架可以解决大部分问题,同时也提醒模块开发者需要持续关注系统更新带来的影响,确保模块功能在不同环境下都能稳定运行。
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