Communitygithub.com

swift-actor-persistence

Thread-sichere Datenpersistenz in Swift mit Actors – In-Memory-Cache mit dateibasierter Speicherung, Data Races werden durch das Design eliminiert. Verwenden Sie dies zum Persistieren von Daten in Swift, wenn ein Data Race oder ein Thread-Sicherheitsproblem gelöst werden muss.

Was ist swift-actor-persistence?

Die Fähigkeit 'swift-actor-persistence' bietet Entwurfsmuster für die Erstellung thread-sicherer Datenpersistenzschichten in Swift unter Verwendung des Actor-Modells. Sie kombiniert In-Memory-Caching mit dateibasierter Speicherung und eliminiert Data Races bereits zur Compile-Zeit, da der Zugriff auf gemeinsam genutzte veränderliche Zustände serialisiert wird. Dies ist besonders nützlich für Entwickler, die Offline-First-Apps mit lokaler Speicherung in iOS/macOS-Umgebungen entwickeln und dabei auf manuelle Synchronisation wie Locks oder DispatchQueues verzichten möchten. Die Fähigkeit unterstützt Swift 5.5+ und kann in Projekten mit moderner Swift-Concurrency eingesetzt werden, wobei der generische Actor `LocalRepository` über `Codable & Identifiable`-Typen wiederverwendet werden kann. Der Hauptvorteil liegt in der einfachen Handhabung: Der Entwickler erhält eine schnelle O(1)-Cache-Abfrage und atomare Dateischreibvorgänge, die vor Datenverlust bei Abstürzen schützen.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/swift-actor-persistence

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Swift Actors für Thread-sichere Persistenz

Muster für den Aufbau thread-sicherer Datenpersistenzschichten mit Swift-Actors. Kombiniert In-Memory-Caching mit dateibasierter Speicherung und nutzt das Actor-Modell, um Data Races zur Compile-Zeit zu eliminieren.

Wann aktivieren

  • Aufbau einer Datenpersistenzschicht in Swift 5.5+
  • Notwendigkeit eines thread-sicheren Zugriffs auf gemeinsam genutzte, veränderliche Zustände
  • Wunsch, manuelle Synchronisation (Locks, DispatchQueues) zu vermeiden
  • Entwicklung von Offline-First-Apps mit lokaler Speicherung

Kernmuster

Actor-basiertes Repository

Das Actor-Modell garantiert serialisierten Zugriff – keine Data Races, durch den Compiler erzwungen.

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)
        // Synchrones Laden während init (Actor-Isolation noch nicht aktiv)
        self.cache = Self.loadSynchronously(from: fileURL)
    }

    // MARK: - Öffentliche 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: - Privat

    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) })
    }
}

Verwendung

Aufgrund der Actor-Isolation sind alle Aufrufe automatisch async:

let repository = LocalRepository<Question>()

// Lesen – schnelle O(1)-Suche aus dem In-Memory-Cache
let question = await repository.find(by: "q-001")
let allQuestions = await repository.loadAll()

// Schreiben – aktualisiert den Cache und speichert atomar in die Datei
try await repository.save(newQuestion)
try await repository.delete("q-001")

Kombination mit @Observable ViewModel

@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()
    }
}

Wichtige Designentscheidungen

EntscheidungBegründung
Actor (nicht Klasse + Lock)Compiler-erzwungene Thread-Sicherheit, keine manuelle Synchronisation
In-Memory-Cache + DateipersistenzSchnelle Lesevorgänge aus dem Cache, dauerhafte Schreibvorgänge auf die Festplatte
Synchrones Laden im InitVermeidung von asynchroner Initialisierungskomplexität
Dictionary, das nach ID indiziert istO(1)-Lookups nach Identifikator
Generisch über Codable & IdentifiableWiederverwendbar für jeden Modelltyp
Atomare Dateischreibvorgänge (.atomic)Verhindert partielle Schreibvorgänge bei Abstürzen

Bewährte Verfahren

  • Verwenden Sie Sendable-Typen für alle Daten, die Actor-Grenzen überschreiten
  • Halten Sie die öffentliche API des Actors minimal – exponieren Sie nur Domänenoperationen, keine Persistenzdetails
  • Verwenden Sie .atomic-Schreibvorgänge, um Datenkorruption zu verhindern, falls die App während des Schreibens abstürzt
  • Laden Sie synchron in init – asynchrone Initialisierer fügen Komplexität hinzu mit geringem Nutzen für lokale Dateien
  • Kombinieren Sie mit @Observable ViewModels für reaktive UI-Updates

Anti-Patterns, die vermieden werden sollten

  • Verwendung von DispatchQueue oder NSLock anstelle von Actors für neuen Swift-Concurrency-Code
  • Exponieren des internen Cache-Dictionarys an externe Aufrufer
  • Konfigurierbarmachen der Datei-URL ohne Validierung
  • Vergessen, dass alle Actor-Methodenaufrufe await sind – Aufrufer müssen den asynchronen Kontext handhaben
  • Verwendung von nonisolated, um die Actor-Isolation zu umgehen (macht den Zweck zunichte)

Wann verwenden

  • Lokale Datenspeicherung in iOS/macOS-Apps (Benutzerdaten, Einstellungen, gecachte Inhalte)
  • Offline-First-Architekturen, die später mit einem Server synchronisieren
  • Jeglicher gemeinsam genutzter, veränderlicher Zustand, auf den mehrere Teile der App gleichzeitig zugreifen
  • Ersetzen der Legacy-DispatchQueue-basierten Thread-Sicherheit durch moderne Swift-Concurrency

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

Verwandte Skills