Orval v7.8.0 版本发布:增强类型安全与开发体验
Orval 是一个强大的 API 客户端生成工具,它能够根据 OpenAPI/Swagger 规范自动生成类型安全的 API 客户端代码。最新发布的 7.8.0 版本带来了一系列改进,特别是在类型系统、Zod 集成和错误处理方面有了显著提升。
核心改进
类型系统增强
本次版本在类型系统方面做了多项优化:
-
自定义错误和响应体类型:修复了自定义错误和响应体类型的导入问题,现在能够正确识别和导入用户定义的类型,这对于需要自定义错误处理的场景尤为重要。
-
默认响应处理:为 fetch 实现添加了默认响应处理逻辑,当 API 没有明确指定响应类型时,系统会提供合理的默认值,避免运行时错误。
-
原生枚举支持:重新引入了对原生枚举类型的支持修复,确保枚举类型在生成的代码中能够正确工作。
Zod 集成优化
Orval 与 Zod 的集成在本版本中获得了多项重要改进:
-
必填字段处理:现在会优先考虑
required定义来确定是否使用optional(),这使得必填字段的校验更加准确。 -
元组函数映射:修正了元组(tuple)类型的函数映射问题,现在能够正确生成元组类型的校验代码。
-
枚举模式生成:改进了多种类型下的枚举模式生成逻辑,支持更丰富的枚举使用场景。
-
引用属性处理:修复了 schema 中
$ref属性名的处理问题,确保引用属性能够正确解析。 -
日期时间选项:新增了
output.orverride.zod.datetimeOptions配置选项,允许开发者自定义日期时间类型的处理方式。
开发者体验提升
QueryClient 参数可选化
针对使用 TanStack Query v5 的用户,现在 mutations 操作支持可选的 queryClient 参数。这一改进使得在需要自定义 QueryClient 实例的场景下更加灵活,同时保持了向后兼容性。
MSW 集成改进
解决了嵌套引用(nested ref)的处理问题,使得在使用 Mock Service Worker 进行 API 模拟时,能够正确处理复杂的嵌套数据结构。
Axios 升级
将 axios 依赖升级到了 1.8.2 版本,并修复了相关的 TypeScript 错误,提升了 HTTP 客户端的稳定性和类型安全性。
技术价值
这次更新体现了 Orval 项目对开发者体验和类型安全的持续关注。特别是对 Zod 集成的多项改进,使得开发者能够更自信地构建类型安全的 API 客户端。自定义错误处理的完善也为构建健壮的应用提供了更好支持。
对于正在使用 Orval 的团队来说,升级到 7.8.0 版本将获得更稳定的类型推断和更灵活的配置选项,特别是在处理复杂数据结构和自定义校验规则时体验会明显提升。新加入的日期时间配置选项也为国际化应用开发提供了更多可能性。
总体而言,Orval 7.8.0 通过这一系列改进,进一步巩固了其作为 API 客户端生成工具的领导地位,特别是在类型安全和开发者体验方面树立了新的标杆。
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-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00