ts-rest框架v3.53.0-alpha.3版本发布:核心功能优化与扩展支持
ts-rest是一个现代化的TypeScript优先的API契约框架,它通过类型安全的契约定义来简化前后端API开发。该框架允许开发者使用TypeScript类型系统来定义API契约,然后自动生成客户端和服务端代码,确保前后端类型始终保持同步。
核心模块(@ts-rest/core)改进
本次发布的alpha版本对核心模块进行了多项重要修复和优化:
-
空响应体处理优化:修复了当API响应没有内容体但包含JSON内容类型头时的处理逻辑。这一改进使得框架能够更准确地处理204 No Content等特殊响应场景。
-
URL路径处理增强:解决了baseUrl和路径中前导和尾部斜杠重复的问题。现在无论开发者如何组合baseUrl和路径,框架都能正确拼接URL,避免出现双斜杠的情况。
-
路径参数类型扩展:现在允许将数字直接作为路径参数传递,框架会自动将其转换为字符串。这一改进简化了数字型ID等常见场景的使用方式。
Express适配器(@ts-rest/express)新增特性
本次更新为Express适配器带来了对Express v5的官方支持。这意味着开发者现在可以在最新的Express版本中使用ts-rest的全部功能,同时保持向后兼容性。
Fastify适配器(@ts-rest/fastify)功能增强
Fastify适配器现在导出了AppRouteImplementation类型,这一改进使得开发者能够将路由实现逻辑拆分到不同文件中,同时保持类型安全。这对于大型项目中的代码组织特别有价值。
Next.js适配器(@ts-rest/next)问题修复
修复了Next.js适配器中查询参数污染路径参数读取的问题。现在路径参数和查询参数能够被正确区分和处理,避免了参数混淆的情况。
OpenAPI生成器(@ts-rest/open-api)功能扩展
-
操作ID支持:operationMapper回调函数现在接收操作ID参数,允许开发者基于appRoute的ID自定义OpenAPI生成逻辑。这为需要精细控制OpenAPI文档的场景提供了更多灵活性。
-
其他响应类型支持:现在能够正确处理c.otherResponse()定义,将其包含在生成的OpenAPI模式中。这使得非标准响应也能被完整地文档化。
Serverless适配器(@ts-rest/serverless)类型导出改进
为了支持"verbatimModuleSyntax"等严格的构建配置,Serverless适配器现在导出了更多类型定义。这一改进解决了在某些TypeScript配置下可能出现的构建问题。
总结
ts-rest v3.53.0-alpha.3版本虽然在版本号上仍处于alpha阶段,但已经带来了多项重要的功能改进和问题修复。从核心模块的稳定性增强,到各平台适配器的功能扩展,再到OpenAPI生成能力的提升,这些改进共同推动了框架的成熟度和可用性。
对于正在使用或考虑采用ts-rest的团队来说,这个版本特别值得关注其对现代Web框架的支持增强和类型系统的进一步完善。这些改进使得ts-rest在保持类型安全的同时,能够更好地适应各种开发场景和架构需求。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0105
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00