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。
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