Redux Toolkit v2.6.1发布:无限查询修复与异步Thunk增强
Redux Toolkit是Redux官方推荐的工具集,它简化了Redux的使用,提供了诸如createSlice、createAsyncThunk等实用工具,让开发者能够更高效地编写Redux代码。最新发布的v2.6.1版本主要针对2.6.0中引入的无限查询功能进行了多项修复,并增强了createAsyncThunk的功能。
无限查询功能修复
在2.6.0版本中,Redux Toolkit引入了对无限查询的支持,这是一个重要的新特性。然而,在实际使用中发现了一些类型相关的问题。v2.6.1版本对这些类型问题进行了全面修复:
-
类型匹配修复:
matchFulfilled和providesTags现在能够正确获取响应类型,解决了之前版本中类型推断不正确的问题。 -
预定义类型增强:新增了专门针对无限查询的预定义类型(
Type*),与现有的查询和变更预定义类型保持一致,使类型系统更加完整。 -
参数选择器支持:
selectCachedArgsForQuery现在能够正确处理无限查询的参数,扩展了其使用场景。 -
类型可移植性:修复了无限查询在生成TypeScript声明文件时的类型可移植性问题,确保类型定义在不同环境下都能正常工作。
-
状态订阅修正:
useInfiniteQueryState和useInfiniteQuerySubscription现在正确地只接收查询参数,而不是之前错误的{queryArg, pageParam}组合对象。
createAsyncThunk信号支持
createAsyncThunk是Redux Toolkit中处理异步操作的核心工具。v2.6.1版本为其新增了可选参数{signal}的支持。这一改进意味着:
- 开发者现在可以传入外部的AbortSignal,实现更精细的异步操作控制
- 内部的中断信号处理会自动与传入的信号关联
- 这为取消异步操作提供了更大的灵活性,特别是在需要协调多个异步任务的场景下
其他改进
除了上述主要变化外,v2.6.1还包含了一些其他改进:
upsertQueryEntries现在能够正确生成缓存条目提供的标签,解决了之前版本中标签生成不正确的问题- 整体类型系统更加健壮,特别是针对无限查询场景
- 开发者体验进一步提升,类型提示更加准确
升级建议
对于已经在使用Redux Toolkit 2.6.0的项目,特别是使用了无限查询功能的项目,建议尽快升级到2.6.1版本以获取更稳定的类型支持。对于新项目,可以直接从2.6.1版本开始使用,享受更完善的无限查询功能体验。
这次更新虽然是一个小版本号变更,但对于使用无限查询功能的项目来说,解决了多个实际开发中可能遇到的痛点问题,值得及时升级。
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