Hey API Client Fetch 0.6.0 版本发布:认证与响应处理优化
2025-06-19 05:16:47作者:柏廷章Berta
Hey API 是一个专注于 TypeScript 和 OpenAPI 规范的工具链项目,其核心目标是为开发者提供高效、类型安全的 API 客户端生成方案。本次发布的 @hey-api/client-fetch@0.6.0 版本带来了两项重要的改进,主要涉及认证机制和响应处理逻辑的优化。
认证机制重构:统一 auth 接口
新版本对认证系统进行了重大重构,将原先分散的 accessToken 和 apiKey 方法整合为一个统一的 auth 函数。这种设计变更体现了现代 API 认证的发展趋势,特别是对于支持多种认证机制的 API 服务而言。
变更细节
旧版代码中,开发者需要分别设置不同的认证方法:
client.setConfig({
accessToken: () => '<my_token>',
apiKey: () => '<my_token>',
});
在新版本中,这些方法被统一为单一的 auth 函数:
client.setConfig({
auth: (auth) => '<my_token>',
});
技术优势
这种设计改进带来了几个显著优势:
- 简化接口:减少了开发者需要记忆的配置项数量,降低了学习成本
- 灵活性增强:通过
auth参数可以动态判断当前请求所需的认证方式 - 类型安全:TypeScript 类型系统能够更好地推断和验证认证参数
- 一致性:统一了不同认证机制的处理方式,减少了代码分支
迁移建议
对于现有项目,升级时需要:
- 检查所有使用
accessToken和apiKey的地方 - 将它们替换为统一的
auth函数 - 确保同时更新
@hey-api/openapi-ts到最新版本
响应处理优化:原始流数据支持
另一个重要改进是对响应体的处理逻辑进行了优化,特别是当响应头中缺少 Content-Type 时的处理方式。
变更细节
当以下条件同时满足时:
- 响应头中未提供
Content-Type parseAs选项设置为auto
客户端现在会直接返回原始的 ReadableStream 响应体,而不是尝试进行解析。这种改变更符合 HTTP 协议的实际应用场景,特别是处理二进制数据或自定义数据格式时。
技术优势
这一改进带来了以下好处:
- 更精确的数据处理:避免了在无法确定内容类型时的强制解析
- 性能优化:对于不需要解析的二进制数据,减少了不必要的处理开销
- 灵活性:开发者可以更灵活地处理特殊格式的响应数据
- 错误减少:消除了因错误猜测内容类型导致的解析异常
实际应用场景
这种改进特别适用于以下情况:
- 处理自定义二进制协议
- 接收服务器推送的事件流
- 处理未明确指定类型但格式已知的数据
- 需要直接操作底层数据流的特殊场景
总结与升级建议
Hey API Client Fetch 0.6.0 版本的这两项改进,体现了项目对开发者体验和实际应用场景的深入思考。认证系统的统一简化了配置,而响应处理的优化则提供了更大的灵活性。
对于计划升级的项目,建议:
- 完整阅读变更说明,理解破坏性变更的影响
- 在测试环境中先行验证
- 特别注意认证逻辑的修改
- 检查是否有依赖未指定内容类型的响应处理
这些改进使得 Hey API 在构建现代化、类型安全的 API 客户端方面又向前迈进了一步,为开发者提供了更强大、更灵活的工具集。
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-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
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
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
479
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
375
3.24 K
Ascend Extension for PyTorch
Python
169
190
暂无简介
Dart
617
140
🔥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
62
19
仓颉编译器源码及 cjdb 调试工具。
C++
126
855
仓颉编程语言测试用例。
Cangjie
36
852
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++
647
258