React-Query中queryOptions()方法的类型擦除问题解析
2025-05-01 02:57:39作者:庞队千Virginia
问题背景
在使用React-Query的Solid适配器(solid-query)时,开发者发现了一个类型系统的问题。当使用queryOptions()辅助函数时,查询错误的类型会被擦除,从自定义的错误类型退化为unknown类型。这个问题会影响TypeScript的类型推断和开发体验。
问题重现
通过一个简单的示例可以清晰地重现这个问题:
import { createQuery } from '@tanstack/solid-query'
import { queryOptions } from '@tanstack/solid-query'
// 直接使用createQuery时,error类型正确推断为Error
const query1 = createQuery({
queryKey: ['key'],
queryFn: () => Promise.reject(new Error('error')),
})
// query1.error的类型是Error | undefined
// 使用queryOptions后,error类型被擦除为unknown
const options = queryOptions({
queryKey: ['key'],
queryFn: () => Promise.reject(new Error('error')),
})
const query2 = createQuery(options)
// query2.error的类型变成unknown
技术分析
这个问题源于queryOptions()函数在类型定义上的一个设计选择。在solid-query的源代码中,queryOptions()的泛型参数TError默认设置为unknown,而不是使用React-Query的默认错误类型DefaultError。
这种设计会导致以下情况:
- 当开发者没有显式指定错误类型时,TypeScript会使用默认的
unknown类型 - 即使查询函数明确返回了某种错误类型,类型信息也会被丢弃
- 开发者需要在使用错误对象时进行额外的类型断言或检查
解决方案
对于这个问题,社区提出了几种解决方案:
-
修改库源代码:将
queryOptions.ts中的TError = unknown改为TError = DefaultError,这样能保持与React-Query核心库一致的行为。 -
显式指定类型参数:在使用
queryOptions()时显式指定错误类型:const options = queryOptions<Data, Error>({ queryKey: ['key'], queryFn: () => Promise.reject(new Error('error')), }) -
使用Data Tag:通过数据标记来保持类型信息:
const options = queryOptions({ queryKey: ['key'] as DataTag<string[], Data, Error>, queryFn: () => Promise.reject(new Error('error')), })
最佳实践建议
对于使用React-Query和TypeScript的开发者,建议:
- 始终为查询定义明确的错误类型,不要依赖类型推断
- 考虑创建自定义的
queryOptions包装器,预先配置好类型参数 - 在团队内部统一错误处理策略,可以使用自定义的错误类型或错误转换函数
总结
类型系统是TypeScript的核心价值之一,React-Query作为流行的数据获取库,其类型定义的正确性直接影响开发者体验。这个queryOptions()类型擦除问题虽然不会影响运行时行为,但会降低类型安全性。开发者应该根据项目需求选择合适的解决方案,或者等待官方修复这个问题。
理解这类类型系统问题有助于开发者更好地利用TypeScript的强大功能,构建更健壮的前端应用。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
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Python00
HunyuanVideo-1.5暂无简介00
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
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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
197
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
624
140
React Native鸿蒙化仓库
JavaScript
242
315
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
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210