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。
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
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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-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