Remeda项目中conditional类型推断问题的分析与解决方案
2025-06-10 02:25:30作者:温艾琴Wonderful
问题背景
在TypeScript函数式编程工具库Remeda中,开发者遇到了一个关于conditional函数的类型推断问题。当与isNullish和isNonNullish类型守卫一起使用时,conditional函数无法正确推断出预期的类型。
问题重现
考虑以下代码示例:
pipe(
[{ x: 10 }, { x: 20 }],
firstBy(prop("x")),
conditional(
[isNullish, (o) => o], // 实际推断为never,期望应为undefined
[isNonNullish, (o) => o] // 实际推断为{},期望应为{ x: number }
)
);
类型推断分析
-
独立类型检查:单独检查
firstBy的结果类型是正确的FirstBy<{x: number; }[]>类型符合预期Extract<typeof k1, null | undefined>正确推断为undefinedNonNullable<typeof k1>正确推断为{x: number}
-
conditional函数的问题:
- 当使用
isNullish时,参数被推断为never而非预期的undefined - 当使用
isNonNullish时,参数被推断为{}而非预期的{ x: number }
- 当使用
根本原因
问题出在conditional函数的类型定义上。当前的实现要求When条件必须是形式为is A的类型守卫,其中A必须是原始类型。它不能正确处理像NonNullable<T>这样的复杂类型。
解决方案探讨
-
改进isNullish类型守卫: 可以通过修改
isNullish的类型定义来部分解决问题:export function isNullish<T>( data: T | null | undefined, ): data is NarrowedTo<T, null | undefined> { return data === null || data === undefined; }这种修改使得
o能够被正确推断为null | undefined -
isNonNullish的挑战: 目前尚未找到完美的解决方案来使
isNonNullish正确推断出{ x: number }类型。最佳尝试只能将参数推断为unknown
对开发者的建议
- 对于需要精确类型推断的场景,可以考虑暂时避免使用
conditional函数 - 可以使用显式类型断言作为临时解决方案
- 关注Remeda项目的更新,这个问题已被标记为需要修复的bug
总结
TypeScript中的类型推断在复杂场景下可能会遇到挑战,特别是在组合使用多个高阶函数和类型守卫时。Remeda团队已经意识到这个问题,并正在寻求解决方案。开发者在使用这些功能时应当注意类型推断的准确性,必要时可以采用更明确的类型声明来保证代码的类型安全。
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
最新内容推荐
MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 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 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
402
3.13 K
Ascend Extension for PyTorch
Python
224
249
暂无简介
Dart
672
159
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++
663
316
React Native鸿蒙化仓库
JavaScript
262
325
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
🎉 (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
655
🔥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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
219