Type-Fest v4.38.0版本发布:类型工具库的深度优化
Type-Fest是一个广受欢迎的TypeScript类型工具库,它为开发者提供了大量实用的工具类型,可以显著提升TypeScript开发体验。这个库包含了各种处理字符串、对象、函数等类型的实用工具,帮助开发者编写更精确、更灵活的类型定义。
AsyncReturnType增强:支持PromiseLike
在v4.38.0版本中,AsyncReturnType工具类型得到了重要增强,现在可以支持PromiseLike类型。这个改进意味着工具类型现在能够处理更广泛的异步场景。
AsyncReturnType的主要作用是提取异步函数的返回类型。在之前的版本中,它只能处理标准的Promise类型,而现在它可以识别任何符合PromiseLike接口的类型。这在处理一些自定义的Promise实现或第三方库提供的类似Promise的对象时特别有用。
例如,现在可以正确处理以下情况:
const customPromise: PromiseLike<string> = {
then: (onfulfilled) => {
onfulfilled("result");
return customPromise;
}
};
type Result = AsyncReturnType<() => customPromise>; // 现在可以正确推断为string
字符串转换工具类型的标点符号处理修复
本次更新修复了DelimiterCase、SnakeCase、ScreamingSnakeCase和KebabCase等字符串转换工具类型在处理包含标点符号的字符串时的问题。
这些工具类型用于将字符串类型转换为不同的命名约定格式,比如将驼峰式转换为蛇形命名或烤肉串命名。在之前的版本中,如果输入的字符串包含标点符号,可能会导致意外的类型转换结果。
修复后,这些工具类型能够更准确地处理包含标点符号的字符串,例如:
type Test = SnakeCase<"hello.world">; // 现在会正确处理为"hello_world"
DelimiterCase选项传递改进
DelimiterCase工具类型现在能够正确地将Options泛型参数传递给所有相关的类型。这意味着在使用自定义分隔符时,相关的转换规则会保持一致。
这个改进使得开发者在使用自定义分隔符时可以获得更一致的行为,特别是在处理嵌套类型或与其他工具类型组合使用时。
CamelCasedPropertiesDeep对数组对象的支持优化
CamelCasedPropertiesDeep是一个深度转换对象属性为驼峰命名的工具类型。在v4.38.0版本中,它现在能够正确处理嵌套数组中的对象,并尊重提供的选项参数。
这意味着当处理包含数组的复杂对象结构时,数组中的对象属性也会按照预期转换为驼峰命名,例如:
type Input = {
user_list: Array<{
user_name: string;
user_age: number;
}>;
};
type Output = CamelCasedPropertiesDeep<Input>;
// 现在会正确转换为:
// {
// userList: Array<{
// userName: string;
// userAge: number;
// }>;
// }
总结
Type-Fest v4.38.0版本带来了一系列重要的改进和修复,进一步提升了这个类型工具库的实用性和稳定性。从异步类型处理的增强到字符串转换工具的完善,再到深度对象转换的优化,这些改进都使得TypeScript开发者能够更轻松地处理各种复杂的类型场景。
对于已经在使用Type-Fest的开发者来说,这个版本值得升级,特别是如果你在项目中大量使用异步类型或复杂的对象结构转换。对于尚未使用Type-Fest的TypeScript开发者,这个库提供的丰富工具类型可以显著提升开发效率和类型安全性,值得考虑引入到项目中。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00