Ant Design X 中的 XRequest 请求中断机制详解
请求中断的必要性
在现代前端开发中,网络请求的管理尤为重要。当用户发起一个请求后,可能会因为各种原因需要取消这个请求,比如页面切换、用户主动取消操作或者请求超时等。Ant Design X 的 XRequest 组件提供了灵活的请求管理能力,其中请求中断功能是开发者经常需要的特性。
实现请求中断的技术方案
AbortController 基础用法
JavaScript 原生提供了 AbortController 接口来实现请求的中断功能。其基本使用方式如下:
const controller = new AbortController();
const signal = controller.signal;
// 发起请求时传入signal
fetch(url, { signal })
.then(response => response.json())
.catch(err => {
if (err.name === 'AbortError') {
console.log('请求已被取消');
}
});
// 需要取消请求时调用
controller.abort();
在 XRequest 中集成中断功能
Ant Design X 的 XRequest 组件可以通过两种方式实现请求中断:
方式一:自定义 fetch 函数
const controllerRef = useRef<AbortController | null>(null);
const exampleRequest = () => {
controllerRef.current = new AbortController();
const { signal } = controllerRef.current;
const customFetch = fetch(BASE_URL + PATH, { signal });
return XRequest({
baseURL: BASE_URL + PATH,
model: MODEL,
fetch: customFetch,
});
};
方式二:直接传递 signal 参数(1.2.0版本支持)
const controllerRef = useRef<AbortController | null>(null);
controllerRef.current = new AbortController();
const { signal } = controllerRef.current;
XRequest({
baseURL: BASE_URL + PATH,
model: MODEL,
signal: signal
});
实际应用场景
结合 useXAgent 使用
当 XRequest 与 useXAgent 一起使用时,需要注意中断后的重新请求问题:
const [agent] = useXAgent<AgentUserMessage | AgentAIMessage>({
request: (_, { onUpdate }) => {
controllerRef.current = new AbortController();
const { signal } = controllerRef.current;
const fetchRequest = () => {
return XRequest({
baseURL: BASE_URL + PATH,
model: MODEL,
signal: signal
}).create({
stream: true
}, {
onUpdate: (message) => {
onUpdate(message);
}
});
};
return fetchRequest();
}
});
用户交互中的中断处理
在用户界面中,可以这样实现请求的中断控制:
<Sender
onSubmit={(nextContent) => {
onRequest(nextContent);
}}
onCancel={() => controllerRef.current?.abort();}
/>
注意事项
-
中断后的内容保留:使用中断功能时,已经输出的内容不会被自动清除,开发者需要根据业务需求自行处理这部分逻辑。
-
重新请求:中断请求后,如果需要重新发起请求,需要重新创建 AbortController 实例。
-
错误处理:中断请求会触发 AbortError,需要在 catch 中正确处理这种特定错误。
-
兼容性:虽然现代浏览器都支持 AbortController,但在旧版浏览器中可能需要 polyfill。
最佳实践建议
-
对于简单的请求场景,推荐直接使用 signal 参数的方式,代码更简洁。
-
在复杂场景或需要自定义 fetch 逻辑时,可以使用自定义 fetch 函数的方式。
-
将 AbortController 的管理封装成可复用的 hook,可以提高代码的可维护性。
-
在组件卸载时,建议取消所有未完成的请求,避免内存泄漏。
通过合理使用 XRequest 的中断功能,可以显著提升应用的用户体验和性能表现,特别是在处理耗时请求或流式数据时尤为重要。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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