ESLint Plugin Unicorn v57.0.0 发布:全面拥抱 ESM 和 Flat Config
ESLint Plugin Unicorn 是一个广受欢迎的 ESLint 插件,它提供了大量针对 JavaScript 和 TypeScript 代码质量的额外规则。这个插件以其严格的代码风格检查和现代化的编码实践建议而闻名,特别适合追求代码质量和一致性的开发团队。
重大变更:ESM 和 Flat Config 支持
本次 v57.0.0 版本带来了两个重要的架构变更:
-
纯 ESM 包:插件现在完全采用 ESM (ECMAScript Modules) 格式。这意味着开发者需要确保他们的项目配置能够支持 ESM 模块系统。对于 CommonJS 项目,需要进行相应的迁移工作。
-
Flat Config 要求:插件现在要求使用 ESLint 的新配置系统 - Flat Config。这是 ESLint 团队推出的新一代配置方式,相比传统的配置方式更加简洁和灵活。开发者需要将现有的 ESLint 配置文件迁移到新的格式。
新增规则详解
本次更新引入了五个新的代码检查规则,进一步增强了代码质量保障:
-
consistent-date-clone:确保 Date 对象的克隆操作一致。在 JavaScript 中,直接赋值 Date 对象会导致引用传递,这个规则强制使用正确的方式克隆 Date 对象。
-
no-named-default:禁止在导入语句中同时使用默认导入和命名导入。这有助于保持导入语句的清晰和一致性。
-
consistent-assert:强制断言库的使用方式一致。无论是 Node.js 的内置 assert 还是第三方断言库,这个规则确保团队使用统一的断言风格。
-
no-instanceof-builtins:禁止对内置对象(如 Array、Date 等)使用 instanceof 操作符。这是因为 instanceof 在某些情况下(如跨框架或跨领域)可能不可靠,应该使用更可靠的类型检查方法。
-
no-accessor-recursion:防止在访问器(getter/setter)中出现递归调用。这种递归调用可能导致堆栈溢出,是常见的陷阱。
规则改进与优化
除了新增规则外,团队还对现有规则进行了多项改进:
- 弃用 no-instanceof-array:这个规则的功能已被更全面的 no-instanceof-builtins 规则取代。
- prefer-includes 支持 Vue 模板:现在可以在 Vue 单文件组件中检查数组的 includes 方法使用。
- prevent-abbreviations 新增缩写:现在会检查 util/utils 等常见缩写,鼓励使用完整单词。
- prefer-math-min-max 优化:现在会忽略 BigInt 类型,避免误报。
- prefer-at 修复:移除了对单参数 slice 方法的不安全自动修复,提高了规则的可靠性。
迁移建议
对于正在使用该插件的团队,建议采取以下步骤进行升级:
- 首先确保项目已经准备好支持 ESM 模块系统。
- 将 ESLint 升级到 9.20.0 或更高版本。
- 按照官方文档将 ESLint 配置迁移到 Flat Config 格式。
- 评估新规则对现有代码库的影响,逐步启用或配置新规则。
- 特别注意已被弃用的规则,及时替换为新的替代规则。
这次更新标志着 ESLint Plugin Unicorn 向现代化 JavaScript 工具链的全面靠拢,虽然迁移工作可能带来一些短期成本,但从长远来看,这些改进将带来更好的开发体验和更可靠的代码检查能力。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00