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。
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