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。
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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