Typia项目中关于生成命令支持Glob模式的探讨
Typia作为一个强大的TypeScript验证库,提供了多种方式来生成类型验证代码。其中typia generate命令行工具是一个重要的功能,它允许开发者在不使用ts-patch和TypeScript转换器的情况下生成验证代码。
需求背景
在实际项目开发中,代码文件通常按照业务逻辑而非类型进行组织,这意味着验证器可能分散在项目的多个目录中。当前typia generate命令仅支持单一输入文件或目录,无法灵活处理这种分散的验证器文件结构。
解决方案探讨
社区成员提出了扩展typia generate命令以支持Glob模式的建议,主要包括两种实现思路:
-
基于后缀的输出模式:允许用户指定一个后缀,生成的验证文件将与源文件位于同一目录,并添加指定后缀。例如:
typia generate --input ./src/**/*.validator.ts --outputSuffix generated -
移除后缀的输出模式:允许用户移除源文件的后缀作为输出文件名。例如:
typia generate --input ./src/**/*.validator.template.ts --outputRemoveSuffix
技术实现挑战
在尝试实现这一功能时,开发团队遇到了几个技术难点:
-
根目录确定问题:当使用Glob模式匹配多个目录下的文件时,如何确定生成的根目录位置是一个挑战。初步设想是采用最公共的目录路径作为根目录。
-
文件过滤问题:虽然可以通过Glob模式筛选输入文件,但由于TypeScript编译器会读取所有相关文件并构建完整的程序模型,难以精确控制哪些文件应该被包含在生成过程中。
替代方案建议
对于需要灵活文件组织结构的项目,开发团队推荐考虑使用unplugin-typia插件。该插件提供了更灵活的集成方式,尤其适合使用多种构建工具和环境的复杂项目。
结论
尽管Glob模式支持在理论上很有吸引力,但由于TypeScript编译器的工作机制限制,实现这一功能存在实质性困难。Typia团队在6.10.1-dev版本中进行了尝试,但发现无法有效控制生成范围。因此,目前建议开发者采用其他方式组织验证代码,或考虑使用插件方案来满足灵活性的需求。
对于需要严格分离构建工具和转换逻辑的项目,可以考虑通过脚本预处理文件列表,然后批量调用typia generate命令,这可能是当前最可行的折中方案。
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