napi-rs项目:Rust枚举到TypeScript字符串字面量联合类型的转换优化
2025-06-02 07:40:42作者:劳婵绚Shirley
在TypeScript与Rust的互操作场景中,napi-rs项目提供了一个重要的桥梁功能。最近社区提出了一个关于枚举类型处理的优化需求,这对于提升开发体验和代码性能都有重要意义。
背景与问题
在Next.js的App Router中使用napi-rs生成的模块时,开发者遇到了TypeScript的isolatedModules: true或verbatimModuleSyntax: true配置下导入const枚举会报错的问题。虽然可以通过--no-const-enum选项生成普通枚举来避免错误,但这会导致生成的代码体积增大,失去了const枚举的零体积优势。
现有解决方案的局限性
目前napi-rs已经支持通过#[napi]宏的string_enum属性来处理枚举类型。然而,Rust中的#[napi] enum与TypeScript中非const的enum行为并不完全匹配。现有的解决方案生成的类型定义可能不是最优的。
改进方案
更理想的解决方案是生成字符串字面量联合类型,这种方式既能避免const枚举的问题,又能保持较小的代码体积。具体实现可以参考以下模式:
export const StringEnum = {
a: 'a',
b: 'b',
c: 'c',
} as const
export type StringEnumType = (typeof StringEnum)[keyof typeof StringEnum]
export function acceptStringEnum(arg: StringEnumType)
这种模式在其他生态系统中已有先例,如graphql-codegen的enumsAsTypes选项,以及Aurelia框架中的类似实现。
技术实现要点
- 类型安全:生成的字符串字面量联合类型保持了完整的类型安全性
- 运行时支持:通过
as const确保运行时值的不可变性 - 体积优化:相比普通枚举,这种方案生成的代码体积更小
- 兼容性:完美适配TypeScript的各种严格模式配置
对开发者的影响
这一改进将特别有利于以下场景:
- 使用严格TypeScript配置的项目
- 对代码体积敏感的前端应用
- 需要良好类型提示的开发体验
总结
napi-rs项目通过支持Rust枚举到TypeScript字符串字面量联合类型的转换,为Rust和TypeScript的互操作提供了更优的解决方案。这一改进不仅解决了特定配置下的兼容性问题,还优化了生成的代码体积,是项目功能完善的重要一步。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218