在Inquirer.js中动态引用前序问题的答案作为后续问题提示
2025-05-10 17:23:58作者:何举烈Damon
在开发命令行交互工具时,我们经常需要根据用户前一个问题的回答来动态调整后续问题的提示内容。Inquirer.js作为Node.js中流行的交互式命令行工具库,提供了灵活的方式来实现这一需求。
基本实现原理
Inquirer.js允许我们将问题分解为多个独立的prompt调用,通过JavaScript的异步特性,我们可以先获取第一个问题的答案,然后在第二个问题的配置中使用这个值:
const inquirer = require('inquirer');
// 第一个问题 - 列表选择
const { fruit } = await inquirer.prompt([
{
type: 'list',
name: 'fruit',
message: '请选择你喜欢的水果:',
choices: ['苹果', '香蕉', '橙子']
}
]);
// 第二个问题 - 使用第一个问题的答案
const { quantity } = await inquirer.prompt([
{
type: 'number',
name: 'quantity',
message: `你选择了${fruit},想买多少斤?`,
validate: input => input > 0 || '请输入正数'
}
]);
console.log(`订单确认: ${quantity}斤${fruit}`);
高级用法
动态选项生成
除了在message中使用前序答案,我们还可以基于前序答案动态生成选项:
const { category } = await inquirer.prompt([
{
type: 'list',
name: 'category',
message: '请选择商品类别:',
choices: ['水果', '蔬菜', '肉类']
}
]);
// 根据类别动态生成子选项
const subCategories = {
'水果': ['苹果', '香蕉', '橙子'],
'蔬菜': ['白菜', '萝卜', '土豆'],
'肉类': ['猪肉', '牛肉', '鸡肉']
};
const { subCategory } = await inquirer.prompt([
{
type: 'list',
name: 'subCategory',
message: `请选择${category}子类:`,
choices: subCategories[category]
}
]);
条件式问题流
我们可以结合前序答案决定是否提出某些问题:
const { needsDelivery } = await inquirer.prompt([
{
type: 'confirm',
name: 'needsDelivery',
message: '是否需要配送服务?'
}
]);
let deliveryInfo = {};
if (needsDelivery) {
deliveryInfo = await inquirer.prompt([
{
type: 'input',
name: 'address',
message: '请输入配送地址:'
},
{
type: 'input',
name: 'contact',
message: '请输入联系方式:'
}
]);
}
最佳实践
- 错误处理:始终对异步操作使用try-catch块
- 输入验证:利用Inquirer的validate功能确保数据有效性
- 代码组织:对于复杂的问题流,考虑将问题分组到单独的函数或模块中
- 用户体验:在动态消息中保持一致的格式和语气
通过合理利用Inquirer.js的这些特性,开发者可以创建出高度动态化、用户友好的命令行交互体验,使应用程序能够根据用户的实际输入提供上下文相关的后续问题。
登录后查看全文
热门项目推荐
相关项目推荐
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
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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
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
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 开源电子设计自动化利器:KiCad EDA全方位使用指南 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库
项目优选
收起
deepin linux kernel
C
24
8
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++
654
281
暂无简介
Dart
643
149
Ascend Extension for PyTorch
Python
203
219
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
React Native鸿蒙化仓库
JavaScript
248
317
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
214
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.13 K
630
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
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
77
100