SQL Formatter 项目中关于 sqlc.embed() 宏格式化的技术分析
在 SQL 代码格式化工具 SQL Formatter 的使用过程中,开发者发现了一个与 sqlc 工具宏语法相关的格式化问题。这个问题主要出现在 SQLite 数据库环境下使用 sqlc 工具时,会影响到代码的编译过程。
问题现象
当开发者在 SQL 查询中使用 sqlc.embed() 宏时(这是 sqlc 工具提供的特殊语法),SQL Formatter 会在宏名和括号之间自动插入空格。例如:
原始代码:
sqlc.embed(transactions)
格式化后变为:
sqlc.embed (transactions)
这种格式化行为会导致 sqlc 工具无法正确识别宏语法,从而引发编译错误。因为 sqlc 要求宏调用必须采用连续的 sqlc.embed() 形式,中间不能有空格。
技术背景
sqlc 是一个流行的 SQL 转 Go 代码生成工具,它提供了一些特殊的宏语法来增强功能。其中 sqlc.embed() 宏用于自动展开查询结果中的字段,是开发中常用的功能。
SQL Formatter 作为一个通用的 SQL 代码格式化工具,默认会按照标准 SQL 函数的格式化规则来处理代码,即在函数名和括号之间添加空格。这种处理方式对于大多数 SQL 函数是正确的,但却与 sqlc 的特殊语法要求产生了冲突。
解决方案探讨
-
版本升级:虽然最新版本的 SQL Formatter (15.x) 仍然存在这个问题,但建议开发者保持工具的最新状态,以获得最佳兼容性。
-
替代方案:可以考虑使用专门为 SQL 设计的 prettier-plugin-sql-cst 插件,该插件对 SQLite 有更好的支持,且不会出现此类宏语法格式化问题。
-
等待修复:这个问题已经被记录为已知问题,开发团队可能会在未来的版本中提供针对 sqlc 特殊语法的专门处理。
最佳实践建议
对于使用 sqlc 工具的开发者,在当前阶段可以:
- 在关键查询处暂时禁用格式化
- 手动修正格式化后的代码
- 考虑使用支持 sqlc 语法的专用格式化工具
这个问题凸显了在通用 SQL 格式化工具中处理各种方言和扩展语法时面临的挑战,也提醒我们在选择工具时需要考虑到特定生态系统的兼容性要求。
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