Next.js 15 中 Next-safe-action 库的异步函数要求解析
2025-06-29 22:27:18作者:姚月梅Lane
问题背景
在 Next.js 15 版本中,开发者在使用 next-safe-action 库时遇到了一个特殊问题:当在服务器端动作(Server Actions)中使用 handleValidationErrorsShape 函数时,系统会强制要求该函数必须声明为异步(async)函数。这个问题不仅影响了 next-safe-action 库,也影响了其他类似的服务器动作库。
技术细节分析
Next.js 15 对服务器端动作的处理机制进行了调整,现在要求所有通过 "use server" 指令导出的顶层函数都必须是异步函数。这一变化影响了函数链式调用模式中的每个回调函数。
具体表现为:
- 在
"use server"文件中,任何被导出的函数都必须标记为 async - 函数链式调用中,每个链式方法调用的回调函数也需要是 async 函数
- 非导出的辅助函数则不受此限制
解决方案
针对这一变化,开发者可以采取以下解决方案:
-
添加 async 关键字:在所有被 Next.js 识别为"顶层"的函数前添加 async 关键字,即使这些函数实际上并不需要异步执行。
-
避免导出非动作函数:不要导出那些不需要作为服务器动作使用的辅助函数和客户端。
-
等待官方修复:Next.js 团队已经确认这是有意为之的行为变更,未来可能会提供更灵活的解决方案。
实际应用示例
假设我们有一个简单的联系表单处理动作:
"use server";
import { createSafeActionClient } from "next-safe-action";
// 注意这里移除了 export,因为这不是一个动作函数
const actionClient = createSafeActionClient();
export const contactAction = actionClient
.schema(/* 验证模式 */)
.action(async ({ parsedInput }) => {
// 处理逻辑
return { success: true };
});
对开发体验的影响
这一变更虽然增加了开发时的约束,但也带来了一些好处:
- 更明确的异步意图:强制 async 标记使代码的异步性质更加明显
- 统一的代码风格:所有服务器动作都遵循相同的模式
- 减少潜在错误:避免了同步函数意外阻塞事件循环的情况
最佳实践建议
- 为所有服务器动作函数添加 async 关键字,即使它们不包含 await 操作
- 将非动作的辅助函数和客户端声明为非导出,或移动到单独的文件中
- 在团队中建立统一的代码风格指南,处理这类情况
- 关注 Next.js 官方更新,了解这一限制的未来发展
总结
Next.js 15 对服务器动作的异步要求虽然带来了一些适配成本,但从长远来看有助于建立更健壮的服务器端代码结构。next-safe-action 库的用户需要相应调整代码风格,但核心功能不受影响。随着社区对这一变化的适应,相关的开发模式和最佳实践也将逐步成熟。
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