Skills Plugins MCP Prompt Model 博客 我的中心

swift-actor-persistence

在 Swift 中使用 actor 实现线程安全的数据持久化——基于内存缓存与文件支持的存储,通过设计消除数据竞争。

DeepseekModel 官方收录技能 质量 优秀 · 90 v1.0.0

获取

https://deepseekmodel.com/api/download.php?id=affaan-m-ecc-docs-zh-cn-skills-swift-actor-persistence-skill-md&format=skill
下载 .skill 标准格式,含 system_prompt 与 model_config,导入任意 Agent 框架即可使用
.skill 文件中 system_prompt 字段的实际内容。
name swift-actor-persistence description 在 Swift 中使用 actor 实现线程安全的数据持久化——基于内存缓存与文件支持的存储,通过设计消除数据竞争。 origin ECC 用于线程安全持久化的 Swift Actor 使用 Swift actor 构建线程安全数据持久化层的模式。结合内存缓存与文件支持的存储,利用 actor 模型在编译时消除数据竞争。 何时激活 在 Swift 5.5+ 中构建数据持久化层 需要对共享可变状态进行线程安全访问 希望消除手动同步(锁、DispatchQueue) 构建具有本地存储的离线优先应用 核心模式 基于 Actor 的存储库 Actor 模型保证了序列化访问 —— 没有数据竞争,由编译器强制执行。 public actor LocalRepository < T : Codable & Identifiable > where T . ID == String { private var cache: [ String : T ] = [:] private let fileURL: URL public init ( directory : URL = .documentsDirectory, filename : String = "data.json" ) { self .fileURL = directory.appendingPathComponent(filename) // Synchronous load during init (actor isolation not yet active) self .cache = Self .loadSynchronously(from: fileURL) } // MARK: - Public API public func save ( _ item : T ) throws { cache[item.id] = item try persistToFile() } public func delete ( _ id : String ) throws { cache[id] = nil try persistToFile() } public func find ( by id : String ) -> T ? { cache[id] } public func loadAll () -> [ T ] { Array (cache.values) } // MARK: - Private private func persistToFile () throws { let data = try JSONEncoder ().encode( Array (cache.values)) try data.write(to: fileURL, options: .atomic) } private static func loadSynchronously ( from url : URL ) -> [ String : T ] { guard let data = try? Data (contentsOf: url), let items = try? JSONDecoder ().decode([ T ]. self , from: data) else { return [:] } return Dictionary (uniqueKeysWithValues: items.map { ( $0 .id, $0 ) }) } } 用法 由于 actor 隔离,所有调用都会自动变为异步: let repository = LocalRepository < Question >() // Read — fast O(1) lookup from in-memory cache let question = await repository.find(by: "q-001" ) let allQuestions = await repository.loadAll() // Write — updates cache and persists to file atomically try await repository.save(newQuestion) try await repository.delete( "q-001" ) 与 @Observable ViewModel 结合使用 @Observable final class QuestionListViewModel { private(set) var questions: [ Question ] = [] private let repository: LocalRepository < Question > init ( repository : LocalRepository < Question > = LocalRepository ()) { self .repository = repository } func load () async { questions = await repository.loadAll() } func add ( _ question : Question ) async throws { try await repository.save(question) questions = await repository.loadAll() } } 关键设计决策 决策 理由 Actor(而非类 + 锁) 编译器强制执行的线程安全性,无需手动同步 内存缓存 + 文件持久化 从缓存中快速读取,持久化写入磁盘 同步初始化加载 避免异步初始化的复杂性 按 ID 键控的字典 按标识符进行 O(1) 查找 泛型化 Codable & Identifiable 可在任何模型类型中重复使用 原子文件写入 ( .atomic ) 防止崩溃时部分写入 最佳实践 对所有跨越 actor 边界的数据使用 Sendable 类型 保持 actor 的公共 API 最小化 —— 仅暴露领域操作,而非持久化细节 使用 .atomic 写入 以防止应用在写入过程中崩溃导致数据损坏 在 init 中同步加载 —— 异步初始化器会增加复杂性,而对本地文件的益处微乎其微 与 @Observable ViewModel 结合使用 以实现响应式 UI 更新 应避免的反模式 在 Swift 并发新代码中使用 DispatchQueue 或 NSLock 而非 actor 将内部缓存字典暴露给外部调用者 在不进行验证的情况下使文件 URL 可配置 忘记所有 actor 方法调用都是 await —— 调用者必须处理异步上下文 使用 nonisolated 来绕过 actor 隔离(违背了初衷) 何时使用 iOS/macOS 应用中的本地数据存储(用户数据、设置、缓存内容) 稍后同步到服务器的离线优先架构 应用中多个部分并发访问的任何共享可变状态 用现代 Swift 并发性替换基于 DispatchQueue 的旧式线程安全机制
Agent 识别该技能的关键词,点击任意一个即可复制。

该技能未提供触发词。

下载的 .skill 包内含以下字段。
字段 说明
format格式标识(skill/v1)
skill_id技能唯一 ID
name技能名称
version版本号
description技能描述
category所属分类(数组)
trigger_words触发词列表
tags标签列表
source来源标识
source_url来源链接(本页地址)
exported_at导出时间(每次下载生成)
system_prompt系统提示词正文
model_config模型参数:provider / model / temperature / max_tokens / top_p
examples示例
install_guide各平台导入说明(Coze / Dify / Claude / 自定义框架)
同一份技能可按不同平台格式导出。
.skill 标准格式,含 system_prompt 与 model_config,导入任意 Agent 框架即可使用 下载
.skillpro 增强格式,额外含脚本 / 工具 / 依赖 / 钩子占位 下载
.json 纯 JSON 导出,只含 system_prompt 与模型参数 下载
Coze 带 frontmatter 的 Markdown,Coze 平台导入用 下载
Dify Dify DSL,创建应用后直接导入 下载

每日精选 Skill 推荐,免费送到你邮箱

输入邮箱,每天接收一个精选 AI Agent 技能推荐。完全免费,持续更新。

提交后我们会发送一封确认邮件,点击邮件里的链接才会开始收信。

完全免费,取消任意时间。我们不会发送垃圾邮件。