在Next.js 15中使用Assistant-UI的注意事项
2025-06-15 03:48:30作者:凌朦慧Richard
在Next.js 15项目中集成Assistant-UI时,开发者可能会遇到一个常见问题:当尝试在服务器组件中使用useChatRuntime钩子时,会出现"Attempted to call useEdgeRuntime() from the server"的错误提示。这个问题源于Next.js的服务器组件和客户端组件的边界划分。
问题本质
Next.js 15采用了React Server Components(RSC)架构,这种架构明确区分了服务器组件和客户端组件。服务器组件在服务器端渲染,而客户端组件则在浏览器端运行。useChatRuntime是一个客户端钩子,它依赖于浏览器环境中的API,因此不能直接在服务器组件中使用。
解决方案
方案一:将整个组件转换为客户端组件
最简单的解决方法是在组件文件顶部添加"use client"指令,这将告诉Next.js该组件应该在客户端渲染:
"use client";
import { useChatRuntime } from '@assistant-ui/react-ai-sdk';
export default function Home() {
const runtime = useChatRuntime({
api: '/api/chat',
});
// ...其余组件代码
}
方案二:模块化设计
如果希望保持页面的大部分内容为服务器组件,可以将使用useChatRuntime的部分提取到一个独立的客户端组件中:
// ChatRuntimeProvider.client.jsx
"use client";
import { AssistantRuntimeProvider } from '@assistant-ui/react';
import { useChatRuntime } from '@assistant-ui/react-ai-sdk';
export default function ChatRuntimeProvider({ children }) {
const runtime = useChatRuntime({
api: '/api/chat',
});
return (
<AssistantRuntimeProvider runtime={runtime}>
{children}
</AssistantRuntimeProvider>
);
}
然后在主页面组件中导入使用:
import ChatRuntimeProvider from './ChatRuntimeProvider.client';
export default function Home() {
return (
<ChatRuntimeProvider>
{/* 页面内容 */}
</ChatRuntimeProvider>
);
}
最佳实践建议
-
组件边界规划:在设计应用架构时,提前规划哪些部分需要客户端交互,哪些可以保持为服务器组件。
-
性能考量:服务器组件可以减少客户端JavaScript包大小,提升首屏渲染性能。只在必要时使用客户端组件。
-
错误处理:对于类似
useChatRuntime这样的客户端钩子,确保它们只在客户端环境中使用,避免运行时错误。 -
代码组织:将客户端特定的逻辑集中管理,便于维护和性能优化。
通过理解Next.js的组件模型和合理划分组件边界,开发者可以充分利用Assistant-UI的功能,同时保持应用的性能优势。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
405
3.14 K
Ascend Extension for PyTorch
Python
226
251
暂无简介
Dart
672
159
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
319
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
657
React Native鸿蒙化仓库
JavaScript
262
325
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868