Matrix-js-sdk 中 IndexedDBStore 初始化问题的分析与解决
在升级 matrix-js-sdk 从 29.1.0 到 30.3.0 版本时,开发者可能会遇到一个关于 IndexedDBStore 初始化的错误:"createUser is undefined, it should be set with setUserCreator()!"。这个问题涉及到 SDK 存储层的初始化流程变更,需要开发者调整初始化顺序或采用新的 API 使用方式。
问题背景
Matrix-js-sdk 是一个用于构建 Matrix 协议客户端的 JavaScript SDK。IndexedDBStore 是该 SDK 提供的基于 IndexedDB 的持久化存储实现,用于保存会话数据、用户信息等内容。在 30.3.0 版本中,存储层的初始化流程发生了变化,导致原有代码可能无法正常工作。
错误原因分析
当开发者按照旧版本文档中的示例代码初始化 IndexedDBStore 时:
let opts = { indexedDB: window.indexedDB, localStorage: window.localStorage };
let store = new IndexedDBStore(opts);
await store.startup();
系统会抛出错误,提示 createUser 方法未定义。这是因为在新版本中,IndexedDBStore 需要在初始化时明确知道如何创建用户对象,而旧版本中这一步骤是隐式完成的。
解决方案
临时解决方案(不推荐)
可以使用一个未公开且已废弃的方法临时解决问题:
indexedDBStore.setUserCreator(uid => new sdk.User(uid));
await indexedDBStore.startup();
虽然这种方法可以暂时解决问题,但由于它使用了未公开的 API,存在未来版本不兼容的风险,不建议在生产环境中长期使用。
推荐解决方案
正确的做法是调整初始化顺序,先创建客户端实例,再将其与存储关联:
const indexedDBStore = new sdk.IndexedDBStore({
indexedDB: global.indexedDB,
localStorage: global.localStorage,
dbName: 'web-sync-store',
});
this.matrixClient = sdk.createClient({
baseUrl: secret.baseUrl,
accessToken: secret.accessToken,
userId: secret.userId,
store: indexedDBStore,
// 其他配置...
});
await indexedDBStore.startup();
这种方式的优点在于:
- 完全使用公开且稳定的 API
- 符合 SDK 的设计意图
- 未来版本兼容性更好
技术原理
在 matrix-js-sdk 的内部实现中,IndexedDBStore 需要能够创建用户对象来处理存储中的用户数据。新版本中,这一功能被明确分离出来,要求开发者通过正确的初始化顺序来确保依赖关系正确建立。
当先创建客户端实例再启动存储时,存储层能够从客户端获取必要的用户创建功能,避免了直接依赖未公开的 API。这种设计更符合模块化原则,也使得依赖关系更加清晰。
总结
Matrix-js-sdk 30.3.0 版本对存储初始化流程进行了调整,开发者需要相应更新初始化代码。最佳实践是先创建客户端实例,再启动存储,而不是直接调用 setUserCreator 这样的未公开 API。这种变更反映了 SDK 向更清晰架构的演进,虽然短期内可能导致兼容性问题,但从长远看有利于项目的可维护性和稳定性。
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-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