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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00