Redux Toolkit 2.0 迁移中 getDefaultEnhancers 问题解析
问题背景
在从 Redux Toolkit 1.x 升级到 2.0 版本的过程中,开发者可能会遇到一个常见问题:getDefaultEnhancers is not a function 错误。这个问题通常出现在配置 Redux store 时,特别是在使用 configureStore API 时。
问题现象
当开发者按照 Redux Toolkit 2.0 的文档配置 store 时,可能会编写如下代码:
const store = configureStore({
reducer: rootReducer,
middleware: (getDefaultMiddleware) =>
getDefaultMiddleware().concat(additionalMiddleware),
enhancers: (getDefaultEnhancers) => {
return getDefaultEnhancers().concat(customEnhancer);
}
});
然而运行时却会遇到 getDefaultEnhancers is not a function 的错误提示。
根本原因
这个问题的主要原因是项目中实际上仍然在使用 Redux Toolkit 1.x 版本的代码。在 1.x 版本中,enhancers 配置项接收的是一个数组,而在 2.0 版本中,它接收的是一个回调函数。
具体差异:
- Redux Toolkit 1.x:
enhancers接收默认 enhancers 数组 - Redux Toolkit 2.0:
enhancers接收一个返回 enhancers 数组的函数
解决方案
要解决这个问题,可以采取以下步骤:
-
确认 Redux Toolkit 版本: 运行
npm ls @reduxjs/toolkit或yarn why @reduxjs/toolkit确认项目中实际使用的版本。 -
清理项目依赖: 删除
node_modules和 lock 文件(package-lock.json 或 yarn.lock),然后重新安装依赖。 -
检查导入路径: 确保所有从 Redux Toolkit 的导入路径都是正确的。在 2.0 版本中,一些内部路径发生了变化,特别是移除了
/dist路径。错误示例:
import { EntityState } from '@reduxjs/toolkit/dist/entities/models';正确示例:
import { EntityState } from '@reduxjs/toolkit'; -
更新类型定义: 注意 Redux Toolkit 2.0 中对类型系统的改进,如
EntityState现在需要显式指定 ID 类型。
最佳实践
为了避免这类问题,在升级 Redux Toolkit 时建议:
- 仔细阅读官方迁移指南
- 逐步升级,先解决主要 API 变更
- 使用 TypeScript 可以帮助捕获一些类型相关的错误
- 建立完善的测试覆盖,确保升级不会破坏现有功能
总结
Redux Toolkit 2.0 带来了许多改进,但在升级过程中可能会遇到一些兼容性问题。getDefaultEnhancers is not a function 错误通常表明项目中混合了 1.x 和 2.0 版本的代码。通过彻底检查依赖关系、更新导入路径和调整配置方式,可以顺利解决这个问题。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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