KeyboardKit 键盘扩展中实现宿主应用信息的自动同步
在 iOS 键盘扩展开发中,获取当前宿主应用信息是一个常见需求。KeyboardKit 项目近期针对这一需求进行了功能增强,通过自动持久化机制解决了主应用无法获取宿主应用信息的痛点。
背景与问题
在键盘扩展开发时,开发者经常需要知道当前键盘所在的宿主应用信息。KeyboardKit 原本提供了 KeyboardContext.hostApplicationBundleId 属性来获取当前活跃应用的 Bundle ID,以及 Pro 版本中的 hostApplication 属性来解析为 KeyboardHostApplication 对象。
然而,这些信息在主应用中始终为 nil,这限制了开发者在主应用中使用这些信息的能力,比如实现从主应用快速返回宿主应用的功能。
解决方案
经过社区讨论和技术评估,KeyboardKit 采用了以下解决方案:
-
自动持久化机制:系统会自动将
hostApplicationBundleId持久化存储,使得这些信息在主应用中也可用。 -
简单直接的实现:最初考虑过引入超时机制或创建新属性(如
currentHostApplicationBundleId),但最终选择了更简单的持久化方案,开发者可以根据需要自行添加额外的逻辑。
技术实现细节
实现这一功能时考虑了以下技术要点:
-
数据持久化:使用 iOS 的共享存储机制(如 App Groups)在键盘扩展和主应用之间共享数据。
-
数据有效性:虽然未内置超时机制,但主应用可以自行判断数据的时效性,例如在应用启动时重置该值。
-
兼容性考虑:保持与现有 API 的兼容性,不影响已有功能的使用。
开发者使用指南
开发者现在可以:
- 在键盘扩展中直接访问当前宿主应用信息
- 在主应用中获取最近一次键盘所在的宿主应用信息
- 根据业务需求自行实现数据时效性判断
应用场景
这一增强功能支持以下典型场景:
- 从邮件客户端跳转到主应用编辑内容后,快速返回原邮件客户端
- 在笔记应用中调用键盘后,在主应用中查看或管理相关笔记
- 实现跨应用的个性化键盘设置和体验
总结
KeyboardKit 的这一改进简化了键盘扩展与主应用之间的数据共享,为开发者提供了更灵活的工具来创建无缝的跨应用体验。通过自动持久化关键信息,开发者可以更轻松地实现复杂的应用交互场景。
对于需要更精细控制的场景,开发者可以在这一基础功能上自行扩展,如添加超时机制或数据有效性验证。这种平衡简单性和扩展性的设计,体现了 KeyboardKit 对开发者体验的重视。
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-1.5暂无简介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