Orval项目中TanStack Query类型回归问题解析
2025-06-17 20:45:00作者:田桥桑Industrious
背景介绍
在Orval项目的最新版本7.4.0中,开发团队发现了一个与TanStack Query(原React Query)相关的类型系统回归问题。这个问题主要影响了使用select选项进行数据转换时的类型推断。
问题本质
在Orval自动生成的代码中,查询钩子的类型定义存在一个关键缺陷。具体表现为生成的UseQueryOptions类型参数设置不当,导致select函数的返回类型被错误地约束为必须与API原始返回类型一致。
技术细节
Orval生成的代码原本是这样的结构:
export function useControllerGetData<
TData = Awaited<ReturnType<typeof controllerGetData>>,
TError = ErrorType<ErrorResponse>,
>(
id: string,
options?: {
query?: Partial<UseQueryOptions<TData, TError, TData>>;
request?: SecondParameter<typeof orvalHttpClient>;
},
): UseQueryResult<TData, TError> & { queryKey: DataTag<QueryKey, TData> }
问题出在UseQueryOptions<TData, TError, TData>的第三个泛型参数上。按照TanStack Query的设计,这三个参数分别代表:
- 查询函数返回的数据类型
- 错误类型
- 最终返回的数据类型(经过select等转换后的类型)
当前的实现错误地将第三个参数也设为TData,这意味着select函数必须返回与API原始响应相同类型的数据,这显然不符合实际使用场景。
实际影响
这种类型限制会导致开发者在使用select进行数据转换时遇到类型错误。例如以下常见用法会报错:
useControllerGetData(mainAssetId, {
query: {
select(data) {
const boolA = data.key_X;
const boolB = data.key_Y;
return { boolA, boolB }; // 类型错误,因为要求返回原始API类型
},
},
});
解决方案
正确的类型定义应该是:
query?: Partial<UseQueryOptions<Awaited<ReturnType<typeof controllerGetData>>, TError, TData>>;
这样修改后,第一个参数保持为API原始返回类型,而第三个参数则可以自由定义为select转换后的类型,完美支持数据转换场景。
修复过程
Orval团队在7.4.1版本中快速修复了这个问题。修复的关键在于确保生成的代码中UseQueryOptions的三个类型参数正确区分了原始数据类型和转换后数据类型。
经验教训
这个案例提醒我们:
- 自动生成代码时,类型系统的精确性至关重要
- 需要全面考虑各种使用场景,特别是像select这样的数据转换功能
- 完善的测试用例能够帮助及早发现这类问题
总结
Orval作为API客户端代码生成工具,其与TanStack Query的集成需要精确处理类型系统。这次类型回归问题的快速修复展现了团队对类型安全性的重视,也提醒开发者在使用自动生成代码时要注意类型系统的正确性。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0448
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown00
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0766
Hy3Hy3 是由腾讯混元团队研发的快慢思考融合的混合专家模型,总参数量 295B,激活参数 21B,MTP 层参数 3.8B。4 月底发布 Hy3 Preview 后,我们在 50 多个业务中获得了广泛的反馈,修复了各种体验问题,进一步提升了后训练的质量和规模。今天,我们发布 Hy3。它展现出显著强于同尺寸并比肩旗舰(参数规模往往是 Hy3 的 2~5 倍)开源模型的智能水平,显著提升了在各类产品和生产力任务中的实用价值。Python00
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0312
DragonOSDragonOS is an operating system developed from scratch using Rust, with Linux compatibility. It is designed for **Serverless** scenarios. 使用Rust从0自研内核,具有Linux兼容性的操作系统,面向云计算Serverless场景而设计。Rust00
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Markdown
827
5.48 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
494
515
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
783
1.57 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
800
1.14 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
970
2.28 K
deepin linux kernel
C
32
16
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
480
312
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.01 K
766
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Markdown
1.26 K
808
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
647
284