LiveBlocks React-BlockNote 配置传递问题解析
问题背景
在LiveBlocks与BlockNote的集成使用过程中,开发者发现通过useCreateBlockNoteWithLiveblocks钩子传递的BlockNote配置选项无法正常工作。具体表现为当尝试配置uploadFile属性时,该功能并未按预期生效。
技术分析
配置传递机制
LiveBlocks的@liveblocks/react-blocknote包提供了一个特殊的钩子useCreateBlockNoteWithLiveblocks,旨在将BlockNote编辑器与LiveBlocks的实时协作功能集成。该钩子接受BlockNote的配置选项作为参数,理论上应该将这些配置传递给底层的BlockNote编辑器。
问题根源
经过代码审查发现,withLiveblocksEditorOptions函数在处理配置时存在逻辑缺陷。该函数的主要职责是:
- 处理LiveBlocks特有的扩展和模式
- 禁用历史记录扩展
- 合并用户提供的BlockNote配置
然而,当前实现仅保留了schema、_extensions和disableExtensions三个属性,其他所有用户提供的BlockNote配置选项都被丢弃,导致如uploadFile等重要功能无法正常工作。
影响范围
这一问题影响了所有需要通过useCreateBlockNoteWithLiveblocks传递的BlockNote配置选项,包括但不限于:
- 文件上传功能(
uploadFile) - 自定义块模式
- 内联内容模式
- 样式模式
- 各种编辑器行为配置
解决方案
修复思路
正确的实现应该保留用户提供的所有BlockNote配置选项,同时仅对LiveBlocks需要特殊处理的选项进行修改。具体来说:
- 解构用户配置时,将LiveBlocks需要处理的属性单独提取
- 保留其他所有属性
- 在返回的新配置中合并这些保留的属性
修复代码示例
export const withLiveblocksEditorOptions = <
B extends BlockSchema = DefaultBlockSchema,
I extends InlineContentSchema = DefaultInlineContentSchema,
S extends StyleSchema = DefaultStyleSchema,
>(
liveblocksExtension: Extension,
blocknoteOptions: Partial<BlockNoteEditorOptions<B, I, S>> = {},
liveblocksOptions: Partial<{ mentions: boolean }> = {}
): Partial<BlockNoteEditorOptions<B, I, S>> => {
const {
schema: blocknoteSchema,
_extensions: blocknoteExtensions,
disableExtensions: blocknoteDisableExtensions,
...extraBlocknoteOptions
} = blocknoteOptions;
return {
schema: withLiveblocksSchema(blocknoteSchema, liveblocksOptions),
_extensions: { liveblocksExtension, ...blocknoteExtensions },
disableExtensions: ["history", ...(blocknoteDisableExtensions || [])],
...extraBlocknoteOptions,
};
};
最佳实践建议
配置使用指南
在使用useCreateBlockNoteWithLiveblocks时,开发者可以像使用原生BlockNote的useCreateBlockNote一样传递所有支持的配置选项。修复后的实现将确保这些配置正确传递给底层编辑器。
调试技巧
如果在集成过程中遇到配置不生效的情况,可以:
- 检查
useCreateBlockNoteWithLiveblocks返回的编辑器实例 - 验证所需配置属性是否存在于编辑器选项中
- 确认没有其他扩展或配置覆盖了你的设置
总结
LiveBlocks与BlockNote的集成提供了强大的实时协作编辑能力,但在配置传递机制上存在缺陷。通过正确保留和合并所有用户配置选项,可以确保编辑器的完整功能集可用。这一修复对于需要自定义编辑器行为或添加如文件上传等功能的开发者尤为重要。
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