解决next-safe-action中TypeScript声明文件导出问题
在最新版本的next-safe-action库(v7)中,开发者在使用TypeScript项目时可能会遇到一个与类型声明相关的编译错误。这个问题主要出现在项目配置了"declaration": true的情况下,当尝试导出通过createSafeActionClient创建的动作客户端时。
问题现象
当开发者在TypeScript项目中启用声明文件生成功能(即在tsconfig.json中设置"declaration": true),并尝试导出通过createSafeActionClient创建的客户端实例时,TypeScript编译器会报出以下错误:
Property '_metadata' of exported class expression may not be private or protected.ts(4094)
Property 'handleReturnedServerError' of exported class expression may not be private or protected.ts(4094)
Property 'handleServerErrorLog' of exported class expression may not be private or protected.ts(4094)
Property 'middlewareFns' of exported class expression may not be private or protected.ts(4094)
这些错误表明,当TypeScript尝试为导出的类表达式生成声明文件时,发现了不应该在声明文件中出现的私有或受保护成员。
问题根源
这个问题的根本原因在于next-safe-action库内部实现中,createSafeActionClient返回的类表达式包含了私有成员(如_metadata)和受保护成员(如handleReturnedServerError等)。根据TypeScript的设计原则,这些私有和受保护的成员不应该出现在生成的声明文件中,因为它们属于实现细节,不应该暴露给外部使用者。
解决方案
next-safe-action团队在v7.0.0-next.15版本中修复了这个问题。修复的方式可能是:
- 将这些私有成员改为公开成员(如果确实需要暴露给外部)
- 或者重新设计API,避免在导出的类型中包含这些实现细节
开发者只需要将库升级到v7.0.0-next.15或更高版本即可解决这个问题。
最佳实践
对于使用next-safe-action库的开发者,建议:
- 定期更新库版本以获取最新的bug修复和功能改进
- 在TypeScript项目中合理配置声明文件生成选项
- 如果遇到类似的类型声明问题,可以检查是否是库的已知问题,并查看是否有更新版本修复
这个问题展示了TypeScript声明文件生成机制与库实现细节之间的微妙关系,也提醒库开发者需要注意API设计对类型系统的影响。通过这次修复,next-safe-action库的类型系统变得更加健壮,能够更好地支持TypeScript项目的开发需求。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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-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
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