Lucia Auth 项目中使用 Prisma 适配器时遇到的 ID 类型问题解析
问题背景
在使用 Lucia Auth 身份验证库与 Prisma ORM 结合开发时,开发者可能会遇到关于 ID 类型的兼容性问题。特别是在使用 CockroachDB 作为数据库后端时,这个问题尤为突出。
错误现象
开发者在使用 Lucia Auth 的 Prisma 适配器时,尝试创建用户会话时遇到了以下错误:
Invalid value for argument `id`: invalid digit found in string. Expected big integer String.
这个错误表明 Prisma 期望接收一个 BigInt 类型的 ID 字符串,但实际传递的是一个不符合要求的字符串格式。
根本原因
Lucia Auth 的设计要求用户和会话的 ID 必须是字符串类型,而开发者的初始 Prisma 模型定义中将这些字段设置为 BigInt 类型:
model User {
id BigInt @id @default(autoincrement())
// ...
}
model Session {
id BigInt @id @default(autoincrement())
// ...
}
这种类型不匹配导致了上述错误。Lucia Auth 生成的 ID 是标准的字符串格式,无法自动转换为 BigInt 类型。
解决方案
正确的做法是将 Prisma 模型中的 ID 字段类型修改为 String:
model User {
id String @id
email String @unique
hashedPassword String
createdAt DateTime @default(now())
session Session[]
}
model Session {
id String @id
userId String
expiresAt DateTime
user User @relation(fields: [userId], references: [id], onDelete: Cascade)
}
同时,在应用代码中使用 Lucia Auth 提供的 generateId 方法来生成用户 ID:
import { generateId } from "lucia";
const userId = generateId(15);
const data = await ctx.db.user.create({
data: {
id: userId,
email: input.email,
hashedPassword: hashedPassword,
},
});
注意事项
-
数据库迁移:修改模型后,必须执行 Prisma 迁移命令将更改应用到数据库。
-
开发环境重启:在某些情况下,可能需要重启开发服务器才能使 Prisma 客户端更新生效。
-
ID 生成策略:Lucia Auth 提供了自己的 ID 生成机制,应该使用它而不是依赖数据库的自增 ID。
-
类型一致性:确保所有相关模型中的关联字段类型一致,特别是外键关系。
最佳实践
-
在设计身份验证系统时,提前规划好 ID 的生成策略。
-
在开发过程中,注意 Prisma 模型定义与使用的身份验证库之间的兼容性。
-
对于生产环境,考虑使用更健壮的 ID 生成策略,如 UUID。
-
定期检查 Prisma 和 Lucia Auth 的文档,了解最新的类型要求和最佳实践。
通过遵循这些指导原则,开发者可以避免类似的类型不匹配问题,并构建更稳定可靠的身份验证系统。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00