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。
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