Redux Toolkit中composite: true导致的类型错误解析
问题背景
在使用Vite创建React项目时,默认生成的tsconfig.json文件中会包含"composite": true配置。这个配置在结合Redux Toolkit使用时,可能会引发一些类型相关的错误,特别是在使用RTK Query和store配置时。
具体错误表现
RTK Query错误
在使用RTK Query的injectEndpoints方法时,TypeScript会报错:
"The inferred type of 'useLoginMutation' cannot be named without a reference to '../../../../../node_modules/@reduxjs/toolkit/dist/query/react/buildHooks'. This is likely not portable. A type annotation is necessary"
Store配置错误
在配置Redux store时,可能会遇到类似的类型错误:
"Exported variable 'store' has or is using name 'ConfigProps' from external module but cannot be named."
解决方案
临时解决方案
对于RTK Query的问题,可以通过安装特定版本的Redux Toolkit来临时解决:
npm install https://pkg.csb.dev/reduxjs/redux-toolkit/commit/e7b851eb/@reduxjs/toolkit
长期解决方案
-
对于RTK Query错误:这个问题已经在Redux Toolkit v2.2.7版本中得到修复,升级到最新版本即可解决。
-
对于Store配置错误:这通常是由于类型定义的可访问性问题导致的,有两种解决方案:
- 将相关的interface导出
- 将interface改为type定义
最佳实践建议
-
类型定义导出:确保所有在store配置中使用的自定义类型都被正确导出。
-
类型与接口的选择:虽然将interface改为type可以解决某些问题,但根据TypeScript官方建议,interface更适合用于定义对象形状,而type更适合用于联合类型等复杂类型定义。
-
版本管理:保持Redux Toolkit为最新版本,以避免已知的类型问题。
技术原理
composite: true是TypeScript的一个编译选项,主要用于项目引用(project references)功能。它会让TypeScript执行更严格的类型检查,包括:
- 确保所有导出的类型都可以被单独引用
- 生成.tsbuildinfo文件用于增量编译
- 强制声明文件(.d.ts)必须存在
这种严格检查在某些情况下会暴露Redux Toolkit类型系统中的一些边界情况,特别是在类型推断方面。
总结
Redux Toolkit与TypeScript的composite模式结合使用时,需要注意类型的可访问性和导出问题。通过合理配置类型定义和保持库版本更新,可以避免大部分类型错误。对于开发者而言,理解TypeScript的类型系统和Redux Toolkit的类型定义方式,能够更好地处理这类问题。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0199
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07