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。
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