在T3 Stack项目中优化Prisma Client的类型推断
2025-05-06 17:55:35作者:彭桢灵Jeremy
在基于T3 Stack构建的项目中,Prisma ORM是常用的数据库访问层解决方案。开发者经常会遇到一个典型问题:当使用Prisma Client的$extends方法扩展模型时,TypeScript无法正确推断出自定义方法的类型。
问题背景
在标准的T3 Stack项目设置中,Prisma Client通常被初始化为一个单例模式。常见的实现方式如下:
import { PrismaClient } from '@prisma/client'
const prisma = globalThis.prisma || new PrismaClient()
if (process.env.NODE_ENV !== 'production') {
globalThis.prisma = prisma
}
export default prisma
这种实现方式虽然简单,但在使用$extends方法扩展Prisma Client时会出现类型推断问题。例如:
const extendedPrisma = prisma.$extends({
model: {
user: {
async findByEmail(email: string) {
return prisma.user.findUnique({ where: { email } })
}
}
}
})
当尝试使用extendedPrisma.user.findByEmail()时,TypeScript会报错,因为它无法识别这个新添加的方法。
解决方案
Prisma官方文档推荐了一种更完善的类型安全解决方案:
import { PrismaClient } from '@prisma/client'
const prismaClientSingleton = () => {
return new PrismaClient()
}
declare global {
var prisma: undefined | ReturnType<typeof prismaClientSingleton>
}
export const prisma = globalThis.prisma ?? prismaClientSingleton()
if (process.env.NODE_ENV !== 'production') globalThis.prisma = prisma
这个解决方案的关键改进在于:
- 将Prisma Client的创建封装在一个函数中
- 使用
ReturnType获取该函数的返回类型 - 在全局类型声明中使用这个返回类型
实现原理
这种解决方案之所以有效,是因为:
- 函数封装:通过将Prisma Client的创建封装在函数中,我们可以利用TypeScript的类型推断能力
- ReturnType工具类型:
ReturnType能够动态获取函数的返回类型,包括通过$extends添加的任何扩展方法 - 全局类型声明:在全局作用域中声明类型,确保在整个应用中类型一致性
实际应用
在实际项目中应用这个解决方案后:
- 开发者可以安全地使用
$extends方法添加自定义查询 - TypeScript能够正确识别所有扩展方法
- 保持了单例模式的性能优势
- 在开发和生产环境中都能正常工作
最佳实践
对于T3 Stack项目,建议:
- 在
src/server/db.ts中实现这个改进后的Prisma Client初始化 - 对于复杂的扩展逻辑,可以考虑单独创建扩展文件
- 在团队项目中,确保所有成员都使用相同的Prisma Client实例
这种改进不仅解决了类型推断问题,还为项目提供了更好的类型安全性和开发体验,是T3 Stack项目中Prisma集成的推荐实践。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0212
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
468
461
暂无描述
Dockerfile
775
5.07 K
Ascend Extension for PyTorch
Python
756
960
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
872
2.01 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
696
1.4 K
昇腾LLM分布式训练框架
Python
183
230
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.03 K
271
Oohos_react_native
React Native鸿蒙化仓库
C++
361
430