GraphQL Code Generator 中支持 Apollo Client 数据掩码特性的实现
在 GraphQL 生态系统中,GraphQL Code Generator 是一个强大的工具,它能够根据 GraphQL 模式自动生成类型定义和操作代码。最近,该项目在 typescript-operations 插件中增加了一项重要功能,以支持 Apollo Client 的数据掩码(Data Masking)特性。
数据掩码是 Apollo Client 引入的一项新功能,旨在提高应用安全性。它的核心思想是限制客户端只能访问明确请求的字段,防止意外访问未请求的数据。这项功能特别有助于防止敏感数据泄露,并强制实施更严格的查询规范。
在实现数据掩码时,Apollo Client 团队引入了一个关键概念:片段掩码(Fragment Masking)。当启用数据掩码时,Apollo Client 会"掩码"掉结果中的片段,使得这些片段数据只能通过特定的工具函数访问。为了支持这一特性,GraphQL Code Generator 提供了 inlineFragmentTypes: "mask" 配置选项。
然而,实际应用场景中有时需要绕过这种掩码机制。为此,Apollo Client 引入了 @unmask 指令作为解决方案。这个指令有两个主要用途:
- 为现有 Apollo Client 用户提供迁移路径
- 在确实需要访问完整结果时提供"逃生舱口"
在 typescript-operations@4.4.0 版本中,GraphQL Code Generator 增加了对 @unmask 指令的支持。当片段被标记为 @unmask 时,生成的类型定义会将这些片段保留在父类型中,而不是像普通片段那样被剥离。这与运行时行为保持一致,确保 TypeScript 类型系统能够准确反映实际的数据结构。
这项改进使得开发者可以更灵活地控制数据访问权限。例如,在一个用户信息查询中,开发者可以将敏感字段(如密码哈希)放在普通片段中,而将基本信息放在 @unmask 片段中。这样既保证了安全性,又为常用数据提供了便捷访问方式。
从技术实现角度看,这个功能增强了 GraphQL Code Generator 与 Apollo Client 生态系统的集成度,使得类型安全与运行时行为更加一致。对于使用 Apollo Client 的团队来说,这意味着更顺畅的开发体验和更高的类型安全性。
这项改进也体现了 GraphQL 工具链的持续演进,通过各工具间的紧密协作,为开发者提供更完善的功能和更好的开发体验。
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