ES-Toolkit v1.38.0 版本发布:新增兼容函数与多项优化
ES-Toolkit 是一个功能强大的 JavaScript 工具库,提供了丰富的实用函数来简化开发者的日常工作。它类似于 Lodash 这样的工具库,但更加现代化,并且针对 TypeScript 进行了优化。在最新的 1.38.0 版本中,ES-Toolkit 带来了多项重要更新和改进。
新增兼容函数
本次更新引入了多个与 Lodash 兼容的函数,为开发者提供了更多选择:
-
对象操作增强:新增了
bindAll、setWith、clone和cloneWith函数,这些函数在处理对象时提供了更灵活的控制方式。cloneWith特别有用,它允许开发者自定义克隆过程的行为。 -
函数工具:新增了
memoize函数,这是一个实用的性能优化工具,可以缓存函数结果,避免重复计算。 -
数组处理:
invokeMap和sortedLastIndexOf为数组操作提供了更多可能性。invokeMap可以批量调用数组元素的方法,而sortedLastIndexOf则针对已排序数组提供了高效的查找功能。 -
类型检查:新增的
isNative函数可以帮助开发者判断一个函数是否是 JavaScript 原生实现。
错误处理增强
invariant 函数现在可以接受 Error 实例作为参数,这使得错误处理更加灵活。同时新增的 assert 别名让代码可读性更高,更符合开发者的直觉。
数学函数改进
max 和 min 函数现在变得更加智能:
- 自动跳过 NaN、symbol 和 null 等无效值
- 当所有输入值都被跳过时,返回 undefined 而不是抛出错误
- 这些改进使得函数在实际应用中更加健壮
类型系统完善
开发团队修复了多个类型定义问题:
- 修正了
findKey中的类型注释拼写错误(Partail → Partial) - 改进了
maxBy和minBy的空数组处理逻辑 - 这些改进显著提升了 TypeScript 开发体验
性能与兼容性优化
为了确保与 Lodash 的行为一致,团队特别关注了稀疏数组的处理方式。这种细节的打磨使得从 Lodash 迁移到 ES-Toolkit 的过程更加平滑。
测试与文档
本次更新还包括:
- 大幅提升的测试覆盖率
- 多处文档修正和优化
- 各种小问题的修复
社区贡献
ES-Toolkit 的发展离不开社区的贡献。在 1.38.0 版本中,有 14 位开发者提交了代码和改进建议,他们的工作使得这个工具库更加完善。
总结
ES-Toolkit v1.38.0 是一个重要的里程碑版本,它不仅增加了大量实用功能,还通过细致的优化提升了整体质量。无论是新增的兼容函数,还是对现有功能的改进,都体现了开发团队对开发者体验的关注。对于正在寻找现代化 Lodash 替代方案的项目来说,这个版本值得考虑升级。
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