NGXS Store中createPropertySelectors在状态类内使用的开发模式检查问题
问题背景
在NGXS状态管理库中,createPropertySelectors是一个实用的工具函数,用于基于现有的选择器快速创建属性选择器。这个函数在开发模式下会对传入的选择器进行有效性验证,确保它是一个合法的选择器。然而,当开发者在状态类内部使用这个工具函数时,会遇到一个特殊的问题。
问题本质
问题的核心在于JavaScript/TypeScript的类装饰器执行顺序。当createPropertySelectors在状态类内部使用时,此时@State装饰器尚未执行,因此选择器元数据还没有被添加到类上。这就导致了开发模式下的验证失败,尽管在实际运行时这个用法是完全合法的。
技术细节
-
装饰器执行顺序:TypeScript中的装饰器是按照从下到上、从右到左的顺序执行的。这意味着类内部的属性初始化会在类装饰器执行之前完成。
-
NGXS的元数据处理:
@State装饰器负责为状态类添加必要的元数据,包括将类转换为有效的选择器。这个转换过程发生在装饰器执行阶段。 -
开发模式验证:
createPropertySelectors在开发模式下会检查传入的选择器是否有效,这个检查发生在类实例化时,早于装饰器的执行。
影响范围
这个问题会影响所有在状态类内部使用createPropertySelectors的开发场景。在开发模式下,应用会抛出错误,阻止程序正常运行;而在生产模式下,由于开发检查被跳过,应用可以正常工作。
解决方案
要解决这个问题,可以考虑以下几种方法:
-
延迟选择器创建:将
createPropertySelectors的使用移到类外部,在装饰器执行后再创建属性选择器。 -
修改验证逻辑:调整
createPropertySelectors的验证逻辑,使其能够识别并允许这种特殊的使用场景。 -
文档说明:在官方文档中明确说明这种使用限制,指导开发者采用替代方案。
最佳实践建议
对于需要在状态类内部使用选择器的情况,建议:
-
将选择器定义与状态类分离,在模块级别创建和导出选择器。
-
如果必须在类内部使用,可以考虑使用工厂模式或静态方法来延迟选择器的创建。
-
对于简单的场景,直接手动创建属性选择器可能比使用工具函数更清晰。
总结
这个问题揭示了JavaScript装饰器与类初始化顺序带来的微妙交互。理解这种底层机制对于构建健壮的NGXS应用非常重要。开发者在使用高级工具函数时,需要特别注意它们与框架其他特性的交互方式,特别是在元数据处理和开发模式验证方面。
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