Next-Safe-Action v7 版本优化:无输入模式的 Action 方法调用
2025-06-29 23:00:37作者:尤辰城Agatha
在 Next.js 应用开发中,服务器端操作(Server Actions)的安全性一直是个重要话题。next-safe-action 库为开发者提供了一种类型安全的方式来处理这些操作。最新发布的 v7.0.0-next.28 版本引入了一个实用的功能改进,允许开发者在不定义输入模式(schema)的情况下直接调用 action 方法。
功能背景
在之前的版本中,使用 next-safe-action 创建安全操作时,开发者必须通过 schema 方法定义输入验证模式。这在某些不需要客户端输入的场景下显得冗余,比如简单的数据获取操作或仅依赖服务器端状态的变更操作。
新特性详解
v7.0.0-next.28 版本对此进行了优化,现在可以:
- 直接调用 action 方法而无需先调用 schema 方法
- 在这种情况下,生成的 SafeActionFn 类型会自动调整:
- clientInput 类型变为 void
- parsedInput 值变为 undefined
这种改进使得代码更加简洁,特别是在以下场景:
- 仅需要从服务器获取数据而不需要客户端输入
- 操作仅依赖于服务器端状态或会话信息
- 简单的触发式操作(如记录日志、发送通知等)
技术实现分析
从类型系统的角度看,这个改进展示了 next-safe-action 库对 TypeScript 类型推断的巧妙运用。当不提供 schema 时,库能够智能地推断出操作不需要输入参数,并相应地调整相关类型。
这种设计遵循了"约定优于配置"的原则,减少了不必要的样板代码,同时保持了类型安全的所有优势。
使用场景示例
假设我们需要实现一个简单的"获取当前用户信息"的操作:
// 旧方式(需要定义空schema)
const getUserAction = action
.schema(z.object({})) // 不必要的空schema
.action(async () => {
// 获取用户逻辑
});
// 新方式(更简洁)
const getUserAction = action.action(async () => {
// 获取用户逻辑
});
升级建议
对于正在使用 next-safe-action 的开发者:
- 检查现有代码中是否有不必要定义空schema的情况
- 考虑将这些操作简化为直接调用action方法
- 注意相关类型变化,确保客户端调用代码相应调整
总结
next-safe-action v7 的这项改进虽然看似小,但体现了库作者对开发者体验的关注。它减少了不必要的代码,使API更加直观,同时保持了类型安全的核心理念。这种优化特别适合那些以数据展示为主或服务器状态管理为主的Next.js应用场景。
随着Next.js服务器组件和服务器操作的普及,这类优化工具库将帮助开发者更高效地构建安全可靠的全栈应用。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows解决方案 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217