AdminJS 中实现级联下拉菜单的解决方案
问题背景
在使用AdminJS构建管理后台时,开发者经常会遇到需要实现级联下拉菜单的需求。例如,当用户选择了一个"分类"后,第二个下拉菜单"子分类"需要根据第一个下拉菜单的选择结果动态过滤显示内容。
核心思路
AdminJS默认的Reference组件并不直接支持级联过滤功能。要实现这一需求,我们需要自定义一个Reference组件,在加载选项时根据父级下拉菜单的选择值进行过滤。
实现步骤
1. 创建自定义Reference组件
我们需要基于AdminJS的默认Reference组件进行扩展,主要修改loadOptions方法来实现级联过滤功能。
import React, { FC, useState, useEffect, useMemo, memo } from 'react'
import { FormGroup, FormMessage, SelectAsync, Label } from '@adminjs/design-system'
import { ApiClient, EditPropertyProps, RecordJSON, flat, useTranslation } from 'adminjs'
type CombinedProps = EditPropertyProps
type SelectRecordEnhanced = {
record: RecordJSON;
label: string;
value: any;
}
const EditReference: FC<CombinedProps> = (props) => {
const { tp } = useTranslation()
const { onChange, property, record } = props
const { reference: resourceId } = property
if (!resourceId) {
throw new Error(`Cannot reference resource in property '${property.path}'`)
}
const handleChange = (selected: SelectRecordEnhanced): void => {
if (selected) {
onChange(property.path, selected.value, selected.record)
} else {
onChange(property.path, null)
}
}
const loadOptions = async (inputValue: string): Promise<SelectRecordEnhanced[]> => {
const api = new ApiClient()
const response = await api.resourceAction({
resourceId,
actionName: 'search',
query: inputValue,
params: {
'filters.categoryId': props.record?.params?.categoryId,
}
})
const { records: optionRecords } = response.data
return optionRecords.map((optionRecord: RecordJSON) => ({
value: optionRecord.id,
label: optionRecord.title,
record: optionRecord,
}))
}
// ...其余组件代码保持不变
}
2. 关键点解析
-
props.record.params:这个对象包含了当前表单中所有字段的值,我们可以通过它获取到父级下拉菜单的选择值。
-
api.resourceAction:我们使用这个方法而不是默认的searchRecords,因为它支持传递额外的过滤参数。
-
filters.categoryId:这里假设后端API支持通过categoryId参数过滤子分类。实际使用时需要根据你的后端API进行调整。
3. 注册自定义组件
创建好自定义组件后,需要通过AdminJS的ComponentLoader将其注册为特定属性的编辑器:
import { ComponentLoader } from 'adminjs'
const componentLoader = new ComponentLoader()
const Components = {
EditSubcategory: componentLoader.add('EditSubcategory', EditReference),
// ...其他自定义组件
}
然后在资源配置中指定使用这个自定义组件:
{
resource: YourResource,
options: {
properties: {
subcategory: {
components: {
edit: Components.EditSubcategory,
}
}
}
}
}
注意事项
-
后端API支持:确保你的后端API支持通过查询参数过滤结果。例如,对于子分类的搜索接口应该能够处理
filters.categoryId这样的参数。 -
性能考虑:级联下拉菜单会触发额外的API调用,可以考虑添加防抖机制来优化性能。
-
空值处理:当父级下拉菜单没有选择值时,应该合理处理子菜单的显示逻辑,可以显示空列表或提示信息。
-
错误处理:增强组件的健壮性,处理API调用失败的情况。
扩展思考
这种级联下拉的实现方式不仅适用于分类和子分类的场景,还可以应用于:
- 国家/省份/城市三级联动
- 产品类别/子类别选择
- 部门/团队/成员选择
- 任何需要根据前一个选择动态过滤后一个选项的场景
通过这种自定义组件的方式,我们可以灵活地扩展AdminJS的功能,满足各种复杂的业务需求。
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