Redux Toolkit中自定义中间件的TypeScript类型处理
2025-05-22 20:13:26作者:温艾琴Wonderful
在Redux Toolkit 2.1版本中,中间件的类型系统进行了重大调整,这给开发者在使用自定义中间件时带来了新的类型挑战。本文将深入分析这一问题及其解决方案。
问题背景
在Redux Toolkit 2.1之前,开发者可以相对简单地定义自定义中间件。然而,2.1版本对中间件类型进行了重构,现在action参数被类型化为unknown,因为Redux理论上可以分发任何类型的action。
类型错误分析
典型的自定义中间件实现可能会遇到以下类型错误:
- TS2719错误:类型不匹配,因为中间件签名已更改
- TS2456错误:类型循环引用,当中间件引用RootState而RootState又包含中间件时
解决方案
正确的中间件类型定义
使用Redux Toolkit提供的Middleware类型,并正确指定泛型参数:
type StateWeNeed = { account: AccountState } & WithSlice<typeof userAPI>
export const fetchUserResourcesUponLogin: Middleware<
{},
StateWeNeed,
ThunkDispatch<StateWeNeed, unknown, UnknownAction>
> =
({ dispatch, getState }) =>
(next) =>
(action) => {
const result = next(action);
if (loginAccount.match(action)) {
const state = getState().account;
if (state.isSubscriber) {
dispatch(userAPI.endpoints.getUserResources.initiate());
}
}
return result;
};
关键点说明
- 使用
.match方法:RTK action creator提供的.match方法可以安全地检查action类型 - State类型定义:通过
StateWeNeed精确指定中间件需要的state结构,避免循环引用 - 泛型参数:
- 第一个参数:中间件额外选项类型(通常为
{}) - 第二个参数:中间件可访问的state类型
- 第三个参数:dispatch函数类型
- 第一个参数:中间件额外选项类型(通常为
最佳实践建议
- 避免直接引用RootState:在中间件中只声明需要的state部分,而不是整个RootState
- 使用类型组合:通过
&操作符组合需要的state类型 - 利用RTK工具:充分利用RTK提供的类型工具如
WithSlice等
总结
Redux Toolkit 2.1+版本对中间件类型的强化虽然增加了初始配置的复杂度,但带来了更好的类型安全性。通过正确使用Middleware类型和相关的类型工具,开发者可以构建类型安全的自定义中间件,同时避免循环引用等问题。理解这些类型系统的变化对于构建健壮的Redux应用至关重要。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
暂无描述
Dockerfile
675
4.32 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
517
627
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++
947
886
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
398
302
🎉 (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
1.56 K
909
暂无简介
Dart
921
228
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
559
昇腾LLM分布式训练框架
Python
142
169
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381