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。
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