OneTimeSecret 项目中的 API 类型重构实践
2025-07-02 00:49:19作者:羿妍玫Ivan
在 TypeScript 项目中,良好的类型定义组织对于代码的可维护性和可扩展性至关重要。本文将深入探讨 OneTimeSecret 项目中 API 类型定义的重构过程,分享如何通过合理的文件结构设计提升项目的类型系统质量。
重构背景与动机
OneTimeSecret 是一个开源的短时效秘密分享服务,其前端采用 Vue.js 构建。随着项目发展,原有的类型定义文件 src/types/onetime.d.ts 逐渐变得臃肿,特别是 API 相关的响应和请求类型混杂在一起,导致以下问题:
- 类型查找困难:开发人员需要在一个大文件中搜索特定类型
- 职责不清晰:API 类型与业务类型耦合在一起
- 维护成本高:修改 API 相关类型时容易影响不相关的代码
重构方案设计
针对这些问题,我们设计了以下重构方案:
- 创建专门的 API 类型目录结构:
src/types/api/ - 按职责分离类型定义:
responses.d.ts:专门存放 API 响应类型requests.d.ts:专门存放 API 请求类型
- 保留基础类型关系:确保与
BaseApiRecord等基础接口的继承关系不受影响
具体实现步骤
1. 建立新的目录结构
首先创建 API 专用的类型目录,这为后续的类型分类提供了物理隔离:
src/
types/
api/
responses.d.ts
requests.d.ts
index.ts // 可选,用于统一导出
2. 响应类型迁移
将原有的 *ApiResponse 类型迁移到 responses.d.ts 文件中。例如:
// 基础响应接口
export interface BaseApiResponse {
success: boolean;
}
// 带记录的标准响应
export interface ApiRecordResponse<T extends BaseApiRecord> extends BaseApiResponse {
record: T;
details?: DetailsType;
}
// 具体API响应类型
export type ApiTokenApiResponse = ApiRecordResponse<ApiToken>;
export type CustomDomainApiResponse = ApiRecordResponse<CustomDomain>;
3. 请求类型组织
将 API 请求相关的类型定义整理到 requests.d.ts 中:
// API令牌创建请求
export interface CreateApiTokenRequest {
name: string;
expiresIn: number;
scopes: string[];
}
// 自定义域名验证请求
export interface VerifyDomainRequest {
domain: string;
verificationMethod: 'dns' | 'file';
}
4. 类型文档补充
在迁移过程中,为每个类型添加详细的文档注释:
/**
* 表示API的标准响应格式
* @property {boolean} success - 表示请求是否成功处理
*/
export interface BaseApiResponse {
success: boolean;
}
技术考量与最佳实践
在重构过程中,我们特别考虑了以下技术因素:
- 前后端一致性:确保类型定义与 Ruby 后端返回的数据结构严格匹配
- 类型安全性:利用 TypeScript 的泛型保持类型关系,如
ApiRecordResponse<T> - 导入优化:考虑使用 barrel 文件(index.ts)简化导入路径
- 渐进式迁移:分批次迁移类型,确保不影响现有功能
重构带来的收益
完成这次重构后,项目获得了以下改进:
- 更好的可维护性:API 相关类型集中管理,修改更加安全
- 更清晰的代码结构:新开发者能够快速定位所需类型
- 更强的类型提示:IDE 能够提供更准确的自动补全
- 更低的认知负担:按职责分离的类型文件减少了理解成本
经验总结
通过这次重构,我们总结了以下适用于类似项目的经验:
- 尽早规划类型结构:在项目初期就应该考虑类型的组织方式
- 按功能而非按技术划分:将类型按业务领域而非技术实现分类
- 保持文档同步更新:类型迁移是完善文档的好机会
- 自动化迁移验证:通过单元测试确保类型变更不会破坏现有功能
这次 OneTimeSecret 项目的 API 类型重构不仅解决了当前的技术债务,还为未来的功能扩展奠定了更坚实的基础。合理的类型组织是大型 TypeScript 项目可持续开发的关键因素之一。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
411
3.16 K
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++
664
323
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
676
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
659
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
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
342
146