Apollo Client中MockedResponse类型变更的技术解析
背景介绍
在Apollo Client 3.9版本中,MockedResponse类型经历了一次重要的变更,这次变更旨在支持动态匹配mock的功能。然而,这一变更也带来了类型系统上的一些挑战,特别是当开发者尝试将特定类型的MockedResponse传递给接受通用MockedResponse数组的函数时。
类型变更详情
在3.9版本之前,MockedResponse的类型定义相对简单:
export type ResultFunction<T> = () => T;
而在3.9版本中,为了支持动态变量匹配,类型定义被修改为:
export type ResultFunction<T, V = Record<string, any>> = (variables: V) => T;
这一变更使得MockedResponse接口也相应发生了变化:
export interface MockedResponse<TData = Record<string, any>, TVariables = Record<string, any>> {
request: GraphQLRequest<TVariables>;
result?: FetchResult<TData> | ResultFunction<FetchResult<TData>, TVariables>;
}
类型系统挑战
这一变更引入了一个类型系统上的挑战:当开发者尝试将一个特定类型的MockedResponse传递给接受通用MockedResponse数组的函数时,TypeScript会报错。这是因为TVariables现在被用在了一个逆变(contravariant)的位置上,这强制了泛型参数的变型规则。
具体来说,当开发者定义:
const response: MockedResponse<MyDocument, MyVariables> = {...}
然后尝试将其传递给:
function createMockLink(mocks: MockedResponse[]) {...}
TypeScript会报错,指出类型不兼容。这是因为TypeScript无法确定我们只会使用构造时提供的类型安全的变量来调用函数。
临时解决方案
在官方修复之前,开发者可以采用以下临时解决方案:
- 显式使用any类型:
const mocks: MockedResponse<any, any>[] = [...];
- 创建辅助类型减少any的使用范围:
type MockedResponseArray = ReadonlyArray<MockedResponse<Record<string, any>, any>>;
官方修复方案
Apollo Client团队提出了一个修复方案,通过调整类型定义来解决这个问题:
interface MockedResponse<TData extends Record<string, any> = any, TVariables extends Record<string, any> = any> {
request: GraphQLRequest<TVariables>;
result?: FetchResult<TData> | ResultFunction<FetchResult<TData>, TVariables>;
variableMatcher?: VariableMatcher<TVariables>;
newData?: ResultFunction<FetchResult<TData>, TVariables>;
}
这一修改既保留了类型安全性,又恢复了将特定类型MockedResponse传递给通用MockedResponse数组的能力。
最佳实践建议
- 当升级到Apollo Client 3.9或更高版本时,注意检查所有MockedResponse相关的类型定义
- 考虑使用辅助类型来集中处理any类型的使用
- 及时更新到包含修复的版本,以获得更好的类型体验
总结
Apollo Client 3.9中对MockedResponse类型的变更是为了支持更强大的动态mock匹配功能,虽然带来了短期的类型系统挑战,但通过团队和社区的共同努力,这一问题已经得到了妥善解决。理解这些类型变更背后的原理,有助于开发者更好地利用Apollo Client的mock功能进行测试。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00