Dax 0.43.0版本发布:命令行工具的重大更新与功能增强
Dax是一个强大的Deno命令行工具库,它提供了丰富的API来简化命令行操作、文件系统交互和HTTP请求等常见任务。作为一个现代化的工具库,Dax致力于为开发者提供更简洁、更强大的命令行操作体验。
重大变更
在0.43.0版本中,Dax进行了两项重要的破坏性变更:
-
移除了令人困惑的
$.cd辅助函数:这个函数原本用于改变当前工作目录,但由于其行为不够直观,容易引起混淆,开发团队决定将其移除。 -
移除了Deno作为内置命令:之前版本中,Dax内置了对Deno命令的支持,这导致了一些问题和不必要的复杂性,现在这个功能已被移除。
对于需要这些功能的用户,可以通过自定义构建$对象来实现类似功能。例如,可以使用build$函数创建一个自定义实例,重新添加这些功能。
新特性
1. 新增$.rawArg方法
这个版本引入了$.rawArg方法,允许开发者指定某些参数不应该被转义。这在处理包含特殊字符或需要保留原始格式的参数时特别有用。
const args = "arg1 arg2";
await $`echo ${$.rawArg(args)} ${args}`;
上述代码将执行echo arg1 arg2 arg1 arg2,其中第一个参数保持了原始格式,而第二个参数则被自动转义。
2. 支持波浪号(~)扩展
Dax现在支持类Unix系统中的波浪号扩展功能,可以自动将~转换为用户的主目录路径。
await $`echo ~/folder`; // 输出: /home/用户名/folder
3. 新增createExecutableCommand辅助函数
这个新函数简化了创建可执行命令处理器的过程,使得开发者可以轻松地将外部可执行文件集成到Dax的命令系统中。
await $`my_custom_command help`
.registerCommand(
"my_custom_command",
createExecutableCommand("/path/to/some/executable"),
);
4. build$函数支持回调方式
现在,build$函数支持使用回调方式来构建命令和请求构建器,这使得API使用更加灵活和直观。
const $ = build$({
commandBuilder: (builder) =>
builder
.registerCommand("deno", createExecutableCommand(Deno.execPath()))
.cwd("./subDir")
.env("HTTPS_PROXY", "some_value"),
requestBuilder: (builder) =>
builder.header("SOME_NAME", "some value"),
});
问题修复与改进
除了新功能外,0.43.0版本还包含了许多重要的修复和改进:
- 修复了类型错误,提高了类型安全性
- 改进了
maybeSelect函数,现在支持单个选项的情况 - 使用
@std/io/types替代了原有的实现 - 改进了进度显示,现在即使不知道总长度也能显示进度
- 修复了
$.prompt中处理多字节字符的问题 - 修复了
touch命令不尊重当前工作目录的问题 - 改进了命令解析,现在允许命令前后有空白字符
- 修复了Windows下Node.js不再直接执行cmd和批处理文件的问题
总结
Dax 0.43.0版本在保持核心功能稳定的同时,移除了一些容易引起混淆的特性,并引入了多项实用的新功能。这些改进使得Dax在命令行操作方面更加灵活和强大,同时也提高了API的一致性和易用性。
对于现有用户,需要注意两项破坏性变更可能影响现有代码。建议仔细阅读变更说明,并根据需要调整代码。新用户则可以享受到更加清晰和强大的API设计。
随着Deno生态系统的不断发展,Dax作为其中的重要工具库,将继续为开发者提供高效、可靠的命令行操作解决方案。
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