NgRx平台v19版本迁移指南:关于@ngrx/signals的升级说明
在Angular应用中使用NgRx状态管理库时,从v18升级到v19版本可能会遇到一些关于@ngrx/signals包的特殊情况。本文将详细介绍升级过程中需要注意的关键点,帮助开发者顺利完成迁移。
升级命令显示问题
当项目中仅使用了@ngrx/signals包时,执行ng update命令可能会错误地提示需要更新@ngrx/store包。这是因为在NgRx的包配置中,@ngrx/store被设置为了包组的首要依赖项。
实际上,如果你只使用了@ngrx/signals,应该直接运行以下命令进行升级:
ng update @ngrx/signals@19
升级过程中的常见错误
在执行升级命令时,可能会遇到以下错误:
-
模块找不到错误:系统提示无法找到@angular-devkit/core模块。这是因为schematics工具链中的依赖关系解析出现了问题。
-
迁移失败:升级过程中迁移脚本可能无法正常执行,特别是在处理受保护状态(protected state)相关的迁移时。
解决方案
要解决上述问题,可以采取以下步骤:
-
确保项目中已经安装了所有必要的开发依赖:
npm install @angular-devkit/core --save-dev -
如果升级仍然失败,可以尝试以下替代方案:
- 先升级Angular CLI到最新版本
- 手动更新package.json中的@ngrx/signals版本号
- 删除node_modules和package-lock.json后重新安装依赖
迁移后的验证
升级完成后,建议进行以下验证:
-
检查所有使用了@ngrx/signals的组件和服务,确保状态访问仍然正常工作。
-
特别注意那些使用了受保护状态(protected state)的部分,v19版本可能对这些API做了调整。
-
运行测试套件,确保没有因升级而引入的回归问题。
最佳实践
为了确保平稳升级,建议:
-
在升级前创建代码仓库的备份或分支。
-
分阶段进行升级:先升级Angular核心,再升级NgRx相关包。
-
阅读v19版本的变更日志,了解所有破坏性变更和新特性。
通过遵循这些指南,开发者可以更顺利地完成从NgRx v18到v19的迁移,特别是对于那些仅使用@ngrx/signals包的项目。记住,遇到问题时,社区和官方文档都是宝贵的资源。
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-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