React Query Angular 版本中废弃 API 的移除与迁移指南
在 React Query 的 Angular 版本(angular-query 和 angular-query-experimental)中,开发团队近期完成了一项重要的 API 清理工作。这项变更涉及两个已被标记为废弃的 API 的正式移除,旨在简化 API 表面并提高一致性。
变更背景
随着 React Query 在 Angular 生态中的不断演进,开发团队发现早期设计的一些 API 在命名和使用方式上存在改进空间。特别是以下两个 API:
provideAngularQuery- 这个服务提供函数被更符合命名约定的provideTanStackQuery所取代injectQueryClient- 这个注入函数被更符合 Angular 依赖注入标准的inject(QueryClient)所替代
变更细节
1. 服务提供函数的变更
原先的 provideAngularQuery 函数名称包含了特定于 Angular 的标识,这与 TanStack 生态系统的统一命名策略不一致。新的 provideTanStackQuery 名称更好地反映了这个库在整个 TanStack 生态系统中的位置,同时也保持了跨框架的一致性。
2. 查询客户端注入方式的变更
injectQueryClient 作为一个独立的注入函数,与 Angular 的标准依赖注入模式略有不同。新的 inject(QueryClient) 方式完全遵循 Angular 14+ 引入的 inject 函数模式,这使得 API 更加符合 Angular 开发者熟悉的模式,也减少了需要记忆的特殊 API。
迁移指南
对于正在使用这些废弃 API 的项目,迁移非常简单:
- 将所有
provideAngularQuery()的调用替换为provideTanStackQuery() - 将所有
injectQueryClient()的调用替换为inject(QueryClient)
这些变更在功能上是完全等效的,不会引入任何行为变化,仅仅是名称和调用方式的调整。
版本策略
值得注意的是,这项变更只在稳定版本(angular-query)中实施,而实验版本(angular-query-experimental)仍然保留了这些 API。这种策略允许开发者有充足的时间进行迁移,同时确保稳定版本的简洁性和一致性。
最佳实践建议
对于新项目,建议直接使用新的 API 名称。对于现有项目,可以在升级 React Query 版本时一并完成这些简单的替换。由于这些变更不涉及功能变化,迁移风险极低,可以在常规开发过程中逐步完成。
这项清理工作是 React Query 团队持续优化 API 设计的一部分,旨在为开发者提供更一致、更符合框架习惯的开发体验。通过遵循这些简单的迁移步骤,开发者可以确保他们的应用保持最新并获得最佳的支持。
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