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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00