React Query 中 exactOptionalPropertyTypes 导致的类型错误解析
在使用 React Query 进行数据查询时,开发者经常会遇到类型定义的问题。特别是在启用 TypeScript 的 exactOptionalPropertyTypes 选项后,某些类型定义可能会产生意料之外的错误。
问题背景
在 React Query 的查询选项中,select 是一个可选属性,用于对查询结果进行转换。当开发者尝试按照社区推荐的方式定义类型时,如果启用了 exactOptionalPropertyTypes 选项,TypeScript 会报错,提示不允许显式定义 undefined。
技术细节分析
exactOptionalPropertyTypes 是 TypeScript 的一个严格类型检查选项。启用后,它会强制要求可选属性不能显式设置为 undefined。这与常规的 TypeScript 行为不同,在常规情况下,可选属性可以显式设置为 undefined。
在 React Query 的上下文中,当开发者尝试定义如下类型时:
{
select?: (data: Exercises) => TData
}
启用 exactOptionalPropertyTypes 后,TypeScript 会认为这种定义方式存在问题,因为它允许 select 被显式设置为 undefined。
解决方案
社区专家推荐了更优的类型定义方式:
export const useGetExercises = <TData = Exercises>(options?: {
select?: (data: Exercises) => TData
}) => {
return useQuery({
queryKey: ['exercises'],
queryFn: () => [],
...options
});
};
这种定义方式有几个优点:
- 完全兼容 exactOptionalPropertyTypes 选项
- 保持了 select 的可选性
- 提供了更好的类型推断
- 与 React Query 的 API 设计保持一致
深入理解
这个问题的本质在于 TypeScript 的类型系统设计。exactOptionalPropertyTypes 选项的引入是为了解决 JavaScript 中 undefined 和可选属性之间的模糊性。在常规情况下:
- 可选属性可以通过完全省略或设置为 undefined 来表示"不存在"
- 启用 exactOptionalPropertyTypes 后,可选属性只能通过完全省略来表示"不存在"
React Query 作为一个灵活的库,需要同时支持严格和非严格的 TypeScript 配置。因此,采用更严谨的类型定义方式可以确保在各种 TypeScript 配置下都能正常工作。
最佳实践建议
对于使用 React Query 的开发者,建议:
- 如果项目启用了 exactOptionalPropertyTypes,应采用上述推荐的类型定义方式
- 考虑在类型定义中使用泛型,以提供更好的类型安全性和灵活性
- 在自定义 hook 中明确区分必需和可选属性
- 保持类型定义与 React Query 核心 API 的一致性
通过遵循这些实践,可以确保代码在各种 TypeScript 配置下都能保持类型安全,同时充分利用 React Query 提供的强大功能。
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-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