Redux Toolkit 入门指南
项目介绍
Redux Toolkit是Redux官方推荐的一套高效开发工具集,它旨在通过一组经过深思熟虑且“有意见”的API来简化Redux的配置与开发流程。该工具包着重解决Redux学习曲线陡峭、配置复杂以及书写大量样板代码的问题。它内置了对Redux中间件的支持(如默认集成的redux-thunk),提供了诸如createSlice、createReducer等函数来减少冗余代码,并引入了强大的数据管理特性——RTK Query,用于简化数据获取与缓存逻辑。
项目快速启动
要快速启动一个新的Redux Toolkit项目,你可以选择以下两种方式之一:
使用Vite模板(适用于React + TypeScript)
在终端执行以下命令,通过degit工具克隆Redux Toolkit的Vite模板:
npx degit reduxjs/redux-templates/packages/vite-template-redux my-app
cd my-app
npm install 或者 yarn
npm run dev 或者 yarn dev
创建Next.js项目(使用with-redux模板)
对于Next.js爱好者,可以这样操作:
npx create-next-app --example with-redux my-app
cd my-app
npm install 或者 yarn
npm run dev 或者 yarn dev
这两种方法都会自动配置好Redux Toolkit与React-Redux的环境,并提供一个基础示例。
应用案例和最佳实践
当你在项目中使用Redux Toolkit时,一个常见的最佳实践是利用createSlice来组织你的状态逻辑。例如,创建一个计数器切片:
import { createSlice } from '@reduxjs/toolkit';
const counterSlice = createSlice({
name: 'counter',
initialState: { value: 0 },
reducers: {
increment: (state) => {
state.value += 1;
},
decrement: (state) => {
state.value -= 1;
},
},
});
export const { increment, decrement } = counterSlice.actions;
export default counterSlice.reducer;
在你的组件中,则可以通过Redux Toolkit提供的useDispatch和useSelector来访问这些action和state:
import { useSelector, useDispatch } from 'react-redux';
import { increment, decrement } from './features/counter(counterSlice).js'; // 假设上面的slice文件命名为counterSlice.js
function Counter() {
const count = useSelector(state => state.counter.value);
const dispatch = useDispatch();
return (
<div>
<button onClick={() => dispatch(decrement())}>-</button>
<span>{count}</span>
<button onClick={() => dispatch(increment())}>+</button>
</div>
);
}
典型生态项目
Redux Toolkit通过其高度封装和灵活的设计,广泛应用于各种JavaScript项目中,尤其在基于React的应用中更为常见。结合@reduxjs/toolkit/query,可以进一步简化前后端数据交互过程,使得构建数据密集型应用变得更加便捷。
虽然特定的生态项目提及不多,但Redux Toolkit本身与许多前端框架和库兼容良好,比如与React、Next.js、Gatsby等的无缝集成,同时也常常搭配像是RTK Query这样的官方扩展来处理复杂的API调用,形成了一个强大的前端开发生态环境。
综上所述,Redux Toolkit不仅简化了Redux的学习和使用,还提升了开发效率,通过其优秀的设计,已成为现代Web应用中不可或缺的一部分。
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