Liveblocks Redux 增强器状态类型问题解析与解决方案
背景介绍
在使用Liveblocks与Redux集成时,开发者经常会遇到一个典型问题:当使用liveblocksEnhancer增强Redux store后,Liveblocks相关的状态(如在线用户信息、连接状态等)并未自动合并到Redux的全局状态类型中。这导致TypeScript无法正确推断出state.liveblocks的类型,从而产生类型错误。
问题分析
liveblocksEnhancer的设计初衷是为Redux store添加Liveblocks功能,包括实时协作状态管理。然而,当前实现存在两个主要问题:
-
类型系统不完整:
liveblocksEnhancer的类型声明没有正确扩展Redux store的状态类型,导致TypeScript无法识别新增的liveblocks状态分支。 -
运行时警告:Redux会在控制台输出警告,提示发现了不在reducer中声明的状态键("liveblocks")。
技术细节
在Redux的类型系统中,StoreEnhancer接口应该通过泛型参数来声明它对store状态的扩展。理想情况下,liveblocksEnhancer应该这样定义:
declare const liveblocksEnhancer: <TState>(options: {
client: Client;
storageMapping?: Mapping<TState>;
presenceMapping?: Mapping<TState>;
}) => StoreEnhancer<
{},
WithLiveblocks<{}, JsonObject, BaseUserMeta>
>;
其中WithLiveblocks是Liveblocks提供的类型,包含了liveblocks状态分支的所有属性。
解决方案
目前有两种可行的解决方案:
方案一:创建虚拟reducer(推荐)
export const store = configureStore({
reducer: {
mySlice: mySlice.reducer,
liveblocks: createSlice({
name: 'liveblocks',
initialState: {
others: [],
status: 'initial',
connection: 'authenticating',
isStorageLoading: true,
} satisfies WithLiveblocks<
Record<string, never>,
JsonObject,
BaseUserMeta
>['liveblocks'],
reducers: {},
}).reducer,
},
enhancers: (getDefaultEnhancers) =>
getDefaultEnhancers().concat(
liveblocksEnhancer({
client: createClient({ publicApiKey: apiKey }),
storageMapping: { concepts: true, conversations: true },
}),
),
})
这种方法通过创建一个不包含任何实际reducer逻辑的slice,提前声明了liveblocks状态分支的类型,既解决了类型问题,又避免了Redux的运行时警告。
方案二:类型断言
type RootState = ReturnType<typeof store.getState> & {
liveblocks: WithLiveblocks<{}, JsonObject, BaseUserMeta>['liveblocks']
}
这种方法通过类型交叉,手动将liveblocks状态分支添加到全局状态类型中。虽然简单,但无法解决Redux的运行时警告。
最佳实践建议
-
优先使用虚拟reducer方案:它提供了最完整的类型安全性和运行时兼容性。
-
保持状态同步:确保虚拟reducer中的初始状态与Liveblocks实际提供的状态结构保持一致。
-
类型安全:使用
satisfies操作符确保初始状态类型与WithLiveblocks类型兼容。 -
性能考量:虚拟reducer不会增加实际运行时开销,因为Liveblocks状态实际上由enhancer管理。
未来展望
理想情况下,Liveblocks官方应该更新liveblocksEnhancer的类型定义,使其自动扩展Redux store的状态类型。在此之前,虚拟reducer方案是最稳健的解决方案。
通过以上分析和解决方案,开发者可以安全地在TypeScript环境中使用Liveblocks与Redux的集成功能,同时保持类型安全和良好的开发体验。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00