Remeda类型推断问题:isIncludedIn函数的否定情况处理不当
2025-06-10 14:30:17作者:江焘钦
在JavaScript函数式编程库Remeda的最新版本中,开发人员发现了一个与类型推断相关的有趣问题。这个问题主要出现在使用isIncludedIn函数及其否定形式时,类型系统未能正确推断出预期的结果。
问题现象
当开发者尝试使用isNot(isIncludedIn(array))这样的组合时,TypeScript的类型推断出现了不符合预期的行为。具体表现为:
- 使用
filter配合否定后的isIncludedIn时,返回类型被错误推断为never[] - 单独使用否定后的
isIncludedIn时,返回的函数类型参数被推断为unknown而非预期的具体类型 - 最终过滤结果被推断为
unknown[]而非预期的具体类型数组
技术分析
这个问题的根源在于isIncludedIn函数的类型定义在处理否定情况时过于激进。在TypeScript的类型系统中,当对一个类型守卫进行否定操作时,类型系统会尝试缩小类型范围。然而在当前实现中,这种缩小操作过于严格,导致丢失了原始输入类型的相关信息。
正确的行为应该是:
- 当
isIncludedIn确认一个值在数组中时,可以安全地将类型缩小为数组元素的类型 - 但当使用
isNot否定时,不应该完全丢弃原始类型信息,而应该回退到原始输入类型
解决方案
Remeda团队已经意识到这个问题并在1.56.2版本中修复了它。修复方案主要涉及调整isIncludedIn的类型定义,使其在否定情况下保持更合理的类型推断行为。
对于开发者而言,目前有以下建议:
- 升级到最新版本以获得正确的类型推断
- 如果暂时无法升级,可以考虑使用类型断言来明确指定期望的类型
- 对于简单的差集操作,也可以考虑使用
difference函数,尽管它已被标记为废弃
深入理解
这个问题实际上反映了TypeScript类型系统中的一个常见挑战:如何在类型守卫的组合操作中保持合理的类型信息。当多个类型守卫组合使用时,特别是涉及否定操作时,类型信息的流动需要特别小心处理。
在函数式编程中,像filter和isIncludedIn这样的高阶函数组合非常常见,因此确保它们的类型行为符合直觉至关重要。Remeda团队对此问题的快速响应显示了他们对类型安全性的重视。
总结
类型系统是TypeScript最强大的特性之一,但也是最具挑战性的部分。Remeda作为函数式工具库,正确处理这类类型推断问题对于提供良好的开发者体验至关重要。这个案例也提醒我们,在编写类型守卫和高阶函数时,需要仔细考虑它们在各种组合情况下的类型行为。
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-1.5暂无简介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
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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
197
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
624
140
React Native鸿蒙化仓库
JavaScript
242
315
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提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210