Redux Toolkit v2.8.0 发布:增强 React Native 兼容性与无限查询功能优化
Redux Toolkit 是 Redux 官方推荐的工具集,它简化了 Redux 的使用方式,提供了诸如 createSlice、createAsyncThunk 等实用工具,让状态管理变得更加高效和便捷。最新发布的 v2.8.0 版本带来了两个重要改进:更好地支持 React Native 环境,以及增强了无限查询功能的灵活性。
React Native 兼容性提升
在 Node.js 生态系统中,package.json 的 exports 字段用于定义包的入口点。随着 Expo 和 Metro 打包工具对 exports 字段支持的不断完善,之前的包定义方式开始出现兼容性问题并产生警告信息。
开发团队重新设计了包的导出定义,解决了这些问题。这意味着现在在 React Native 项目中集成 Redux Toolkit 将更加顺畅,不会出现不必要的警告信息。这对于使用 React Native 进行跨平台应用开发的开发者来说是个好消息,因为他们可以更专注于业务逻辑的实现,而不必担心工具链的兼容性问题。
无限查询功能增强
Redux Toolkit 的 RTK Query 功能提供了强大的数据获取和缓存能力。其中,无限查询(Infinite Query)允许开发者实现分页加载更多数据的功能。在之前的版本中,getNextPageParam 和 getPreviousPageParam 回调函数的签名如下:
(
lastPage: DataType,
allPages: Array<DataType>,
lastPageParam: PageParam,
allPageParams: Array<PageParam>,
) => PageParam | undefined | null
这个设计直接借鉴了 React Query 的实现。然而,与 React Query 不同的是,RTK Query 的这些回调是在端点定义中配置的,而不是在组件内部定义,因此开发者无法直接访问查询参数(queryArg)。
v2.8.0 版本新增了 queryArg 作为第五个参数,现在回调函数的签名变为:
(
lastPage: DataType,
allPages: Array<DataType>,
lastPageParam: PageParam,
allPageParams: Array<PageParam>,
queryArg: QueryArgType
) => PageParam | undefined | null
这个改进使得开发者可以在计算下一页或上一页参数时,基于原始查询参数做出更灵活的判断,大大增强了无限查询功能的实用性。
其他改进
除了上述主要变化外,v2.8.0 还包含了一些文档更新:
- 改进了文档搜索功能,现在使用本地生成的搜索索引,不仅更加可靠,还提供了更好的搜索结果展示界面。
- 修复了一些长期存在的文档问题,提升了整体的文档质量和使用体验。
升级建议
对于正在使用 Redux Toolkit 的开发者,特别是那些在 React Native 项目中使用的开发者,建议尽快升级到 v2.8.0 版本以享受这些改进带来的好处。升级过程应该是平滑的,不会引入破坏性变更。
需要注意的是,虽然这个版本带来了许多改进,但后续的 v2.8.2 版本修复了一些问题(如包体积回归和与 jest-environment-jsdom 的兼容性问题),因此建议开发者直接升级到最新的 v2.8.2 版本。
Redux Toolkit 持续演进,不断优化开发者体验,这个版本再次证明了它作为 Redux 生态系统中首选工具集的地位。无论是新项目还是现有项目,都值得考虑采用或升级到这个强大的状态管理工具。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00