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。
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