Rhai脚本引擎中的自定义类型派生宏详解
2025-06-12 09:19:56作者:邵娇湘
Rhai是一款轻量级嵌入式脚本语言,最近在其最新版本中引入了一个强大的新特性——CustomType派生宏。这个特性极大地简化了在Rhai中注册自定义类型API的过程,让开发者能够更专注于业务逻辑而非繁琐的API绑定工作。
派生宏的基本用法
要使用这个特性,首先需要为你的类型添加必要的派生实现:
use rhai::{CustomType, TypeBuilder};
#[derive(Debug, Clone)] // 自定义类型必须实现Debug和Clone
#[derive(CustomType)] // 自动实现CustomType trait
struct MyStruct {
field1: i64,
field2: String,
}
这个简单的声明就会自动为你的类型生成基本的getter和setter方法,使其可以在Rhai脚本中被访问和修改。
属性配置详解
Rhai提供了丰富的属性配置选项,让你可以精细控制类型在脚本中的行为表现。这些属性都使用rhai_type作为前缀,后接具体的配置项:
#[derive(CustomType)]
#[rhai_type(name = "MyRenamedType")] // 重命名类型在脚本中的显示名称
struct OriginalName {
#[rhai_type(skip)] // 跳过此字段,不在脚本中暴露
internal_data: i64,
#[rhai_type(readonly)] // 只读字段,只生成getter
immutable_value: String,
#[rhai_type(name = "alias")] // 字段重命名
original_name: bool,
#[rhai_type(get = Self::custom_getter)] // 自定义getter方法
custom_field: i64,
}
高级功能
除了基本的字段控制外,派生宏还支持一些高级功能:
- 自定义getter/setter:可以指定特定的方法作为字段的访问器
impl MyStruct {
pub fn custom_getter(&self) -> i64 {
self.custom_field * 2 // 返回处理后的值
}
}
- 后处理钩子:通过
extra属性可以在类型注册完成后添加额外的API
#[derive(CustomType)]
#[rhai_type(extra = Self::add_extra_api)]
struct ExtendedType {
// 字段定义...
}
impl ExtendedType {
fn add_extra_api(builder: &mut TypeBuilder<Self>) {
builder.register_fn("extra_method", |obj: &mut Self| {
// 自定义方法实现
});
}
}
- 元组结构体支持:派生宏同样支持元组结构体,字段会自动命名为field0、field1等
#[derive(CustomType)]
struct TupleStruct(i64, String);
设计考量
Rhai团队在设计这个特性时做了几个关键决策:
-
属性命名:最终选择了
rhai_type前缀,既保持了足够长度以避免与其他库冲突,又不至于过于冗长。 -
枚举支持:暂时没有实现枚举的自动派生,因为Rhai本身的值系统已经是一个开放的枚举类型,直接使用可能不够直观。
-
类型安全:所有自定义的getter/setter方法都要求符合Rhai的类型系统规范,确保脚本交互的安全性。
最佳实践
在实际项目中,建议:
- 优先使用派生宏而非手动实现,可以减少样板代码
- 对于复杂字段访问逻辑,使用自定义getter/setter
- 利用
extra属性添加类型相关的方法 - 为重要的自定义类型添加有意义的显示名称
这个特性的引入大大降低了在Rhai中使用自定义类型的门槛,使得Rhai作为嵌入式脚本语言的易用性又上了一个新的台阶。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
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
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
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
392
3.88 K
暂无简介
Dart
671
156
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
260
322
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++
661
311
🎉 (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
1.2 K
654
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1