XState Store 3.0 版本发布:状态管理的全新升级
XState 是一个流行的 JavaScript/TypeScript 状态管理库,它基于有限状态机(FSM)和状态图(Statecharts)的概念,为复杂应用的状态管理提供了强大的解决方案。XState Store 是 XState 生态中的一个重要组成部分,专注于提供轻量级、响应式的状态管理能力。
在最新的 3.0 版本中,XState Store 经历了一系列重大改进,这些变化不仅简化了 API 设计,还引入了新功能,使状态管理更加灵活和强大。让我们一起来看看这些令人兴奋的更新。
配置对象统一化
在 3.0 版本中,createStore 函数的参数结构进行了重大调整。现在它只接受一个配置对象作为参数,这与其他 XState API 的设计风格保持一致,提高了 API 的一致性。
// 旧版 API
// createStore(
// { count: 0 },
// { increment: (context) => ({ count: context.count + 1 }) }
// );
// 新版 API
createStore({
context: { count: 0 },
on: {
increment: (context) => ({ count: context.count + 1 })
}
});
这种改变不仅使代码更加整洁,还使得配置结构更加明确,提高了可读性。
状态转换中的副作用处理
3.0 版本引入了一个强大的新功能:在状态转换中排队执行副作用。通过 enq 参数,开发者可以轻松地安排异步操作,而不必担心状态管理的复杂性。
const store = createStore({
context: { count: 0 },
on: {
incrementDelayed: (context, event, enq) => {
enq.effect(async () => {
await new Promise((resolve) => setTimeout(resolve, 1000));
store.send({ type: 'increment' });
});
return context;
},
increment: (context) => ({ count: context.count + 1 })
}
});
这个特性特别适合处理需要延迟执行或异步获取数据的场景,使得状态管理逻辑更加清晰。
类型安全的触发器 API
新版本引入了 store.trigger API,提供了一种类型安全、流畅的方式来发送事件:
// 旧方式
store.send({ type: 'increment', by: 5 });
// 新方式
store.trigger.increment({ by: 5 });
这个 API 不仅语法更加简洁,还能在编译时捕获事件类型错误,大大提高了开发体验和代码安全性。
事件发射机制
3.0 版本引入了全新的事件发射系统,允许状态变更时触发外部事件:
const store = createStore({
emits: {
increased: (payload: { upBy: number }) => {
// 可以在这里执行副作用或留空
}
},
on: {
inc: (ctx, ev: { by: number }, enq) => {
enq.emit.increased({ upBy: ev.by });
// ...
}
}
});
这个功能使得状态管理与外部系统的集成更加容易,特别是在需要与 UI 框架或其他库交互时。
上下文更新的严格模式
为了提高类型安全性和可预测性,3.0 版本要求上下文更新必须返回完整的新上下文对象:
// 不再支持部分更新
// increment: (context) => ({ count: context.count + 1 })
// 必须返回完整上下文
increment: (context) => ({ ...context, count: context.count + 1 })
虽然这增加了一些样板代码,但它确保了状态更新的明确性和可追踪性,减少了潜在的错误。
总结
XState Store 3.0 的这些改进标志着该项目在成熟度和开发者体验方面迈出了重要一步。通过简化 API、增强类型安全性以及引入强大的新功能如副作用处理和事件发射,它现在能够更好地满足现代应用开发的需求。
对于现有用户,虽然这些变化需要一些迁移工作,但带来的长期收益是值得的。新用户则可以直接享受这些精心设计的 API 带来的开发便利。无论是构建简单的状态管理还是复杂的业务逻辑,XState Store 3.0 都提供了一个强大而灵活的基础。
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
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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