React & Redux 在 TypeScript 中的完整指南
项目介绍
概述
react-redux-typescript-guide 是一个开源项目,旨在为使用 TypeScript 开发 React 和 Redux 应用的开发者提供一个全面的指南。该项目详细记录了在 React 和 Redux 应用中使用 TypeScript 的最佳实践、模式和配方,帮助开发者实现完全类型安全,同时减少类型注释的冗余,使代码更简洁、易于维护。
主要特点
- 完全类型安全:通过 TypeScript 的严格模式实现完全类型安全。
- 减少类型冗余:利用 TypeScript 的高级语言特性(如类型推断和控制流分析)减少类型注释的冗余。
- 最佳实践:提供了在 React 和 Redux 应用中使用 TypeScript 的最佳实践和模式。
- 示例项目:包含一个示例项目,展示了如何在实际项目中应用这些模式和配方。
项目快速启动
安装依赖
首先,确保你已经安装了 Node.js 和 npm。然后,克隆项目并安装依赖:
git clone https://github.com/piotrwitek/react-redux-typescript-guide.git
cd react-redux-typescript-guide
npm install
运行示例项目
项目中包含一个示例项目,位于 /playground 文件夹中。你可以通过以下命令启动示例项目:
npm start
这将启动一个开发服务器,并在浏览器中打开示例应用。
项目结构
示例项目的结构如下:
/playground
├── src
│ ├── components
│ ├── containers
│ ├── store
│ ├── actions
│ ├── reducers
│ └── index.tsx
├── public
├── package.json
└── tsconfig.json
应用案例和最佳实践
类型安全的 Redux 连接组件
在 Redux 中连接 React 组件时,确保类型安全是非常重要的。以下是一个使用 TypeScript 连接 Redux 的示例:
import { connect } from 'react-redux';
import { RootState, RootAction } from 'MyTypes';
import { countersActions } from 'features/counters';
import { FCCounter } from 'components';
const mapStateToProps = (state: RootState) => ({
count: state.counters.reduxCounter,
});
const mapDispatchToProps = (dispatch: Dispatch<RootAction>) => ({
onIncrement: () => dispatch(countersActions.increment()),
});
export const FCCounterConnected = connect(
mapStateToProps,
mapDispatchToProps
)(FCCounter);
使用 TypeScript 的 React 函数组件
TypeScript 可以与 React 的函数组件无缝集成,提供类型安全的 props 和 state 管理。以下是一个简单的函数组件示例:
import React from 'react';
interface Props {
label: string;
count: number;
onIncrement: () => void;
}
export const FCCounter: React.FC<Props> = ({ label, count, onIncrement }) => {
return (
<div>
<span>{label}: {count}</span>
<button type="button" onClick={onIncrement}>Increment</button>
</div>
);
};
典型生态项目
1. typesafe-actions
typesafe-actions 是一个用于 Redux 的类型安全动作创建器库。它可以帮助你创建类型安全的 Redux 动作,减少类型注释的冗余。
2. redux-observable
redux-observable 是一个基于 RxJS 的 Redux 中间件,用于处理异步操作。它与 TypeScript 结合使用,可以提供类型安全的异步流管理。
3. react-styleguidist
react-styleguidist 是一个用于生成 React 组件文档的工具。它可以帮助你自动生成组件的文档,并提供一个交互式的组件展示平台。
总结
react-redux-typescript-guide 项目为使用 TypeScript 开发 React 和 Redux 应用的开发者提供了一个全面的指南。通过遵循项目中的最佳实践和模式,开发者可以实现完全类型安全,减少类型注释的冗余,使代码更简洁、易于维护。
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-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00