NGXS Store中动态Action类型的设计思考
背景介绍
在现代前端状态管理库NGXS中,Action作为状态变更的触发器,其设计模式一直遵循着严格的静态类型定义。传统上,开发者需要为每个不同的Action场景创建独立的类,并通过静态type属性来标识Action类型。这种设计虽然保证了类型安全,但在某些场景下会导致代码冗余和可维护性问题。
传统Action设计模式
NGXS官方推荐的标准Action定义方式如下:
export class AddTodo {
static readonly type = '[Todo] Add';
constructor(public payload: any) {}
}
这种模式要求每个Action都必须声明一个静态的type属性,用于在状态管理中唯一标识该Action。当业务逻辑复杂时,特别是当同一个操作可能来自不同组件或模块时,开发者往往需要创建多个相似的Action类:
export class AddTodoFromOverview {
static readonly type = '[TodoOverview] AddTodo';
constructor(public payload: any) {}
}
export class AddTodoFromTodoDetail {
static readonly type = '[TodoDetail] AddTodo';
constructor(public payload: any) {}
}
动态Action类型的探索
为了解决代码冗余问题,社区提出了动态Action类型的设想,希望能够通过运行时确定Action类型:
export class AddTodoAction extends BaseAction {
protected override _type = 'Add Todo'
constructor(context: string, public todo: Todo) {
super(context);
}
}
这种设计允许在实例化Action时动态指定上下文,从而避免了为每个上下文创建独立Action类的需要。然而,NGXS的核心机制依赖于静态类型检查,这种动态方式与现有架构存在兼容性问题。
技术实现考量
NGXS核心团队成员对此提出了几点重要考量:
-
静态类型系统的优势:静态类型提供了更好的代码可追踪性、调试便利性和代码清晰度。动态类型虽然灵活,但会牺牲这些优势。
-
编译时约束:NGXS的
@Action()装饰器需要编译时常量作为参数,动态类型难以满足这一要求。 -
架构一致性:保持Action定义的显式和静态有助于维护整个应用架构的一致性和可预测性。
替代方案建议
针对动态上下文的需求,NGXS团队推荐了几种替代方案:
方案一:上下文作为Action负载
export class AddTodo {
static readonly type = '[Todo] Add';
constructor(public context: string, public payload: any) {}
}
在状态处理器中根据上下文进行过滤处理。
方案二:Action工厂函数
function createAddTodoActionClass(context: string) {
return class AddTodoAction {
static readonly type = `[${context}] Add Todo`;
constructor(public todo: Todo) {}
}
}
export const AddOverviewTodoAction = createAddTodoActionClass('Overview');
export const AddDetailTodoAction = createAddTodoActionClass('Detail');
这种方式既保持了静态类型的优势,又减少了重复代码。
方案三:动态Action工具函数
团队还提供了一个更高级的实用工具函数,可以在保持静态类型安全的同时提供一定程度的动态性:
class AddTodoActionBase {
static readonly type = `Add Todo`;
constructor(public todo: Todo) {}
}
export const AddTodoAction = createDynamicAction(AddTodoActionBase);
使用时可以灵活创建具体类型的Action:
const AddOverviewTodoAction = AddTodoAction('Overview');
const AddDetailTodoAction = AddTodoAction('Detail');
store.dispatch(new AddOverviewTodoAction(todo));
store.dispatch(new AddDetailTodoAction(todo));
store.dispatch(new AddTodoAction('CustomContext', todo));
架构设计启示
这一讨论揭示了状态管理库设计中的几个重要原则:
-
显式优于隐式:在关键架构元素上保持显式定义有助于长期维护。
-
类型安全优先:即使在追求灵活性的场景下,也不应轻易牺牲类型系统的优势。
-
模式一致性:整个应用遵循一致的模式比局部灵活性更重要。
对于NGXS使用者而言,理解这些设计决策背后的考量,有助于更好地在项目中应用状态管理模式,在保持架构整洁的同时满足业务需求。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C031
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