ESLint Stylistic v5.0.0 发布:重大更新与改进
ESLint Stylistic 是一个专注于代码风格规则的 ESLint 插件,它为开发者提供了丰富的代码格式化选项。最新发布的 v5.0.0 版本带来了多项重大变更和功能改进,值得开发者关注。
核心架构变更
本次版本最显著的变化是移除了子包结构,将整个项目整合为一个统一的包。这一架构调整简化了项目的维护和使用方式,开发者不再需要管理多个子包依赖。同时,项目不再直接依赖 TypeScript,而是通过更轻量级的方式处理 TypeScript 语法,这显著减少了安装体积。
重要破坏性变更
-
对象相关规则调整:对对象相关规则进行了重构,
object-curly-spacing现在负责处理 TypeScript 对象类节点,而不再由block-spacing处理。同样,object-curly-newline接管了原本由brace-style和curly-newline处理的 TS 对象类节点。 -
移除废弃选项:
object-property-newline规则中已废弃的选项被彻底移除,开发者需要更新配置以适配这一变更。 -
函数参数空格处理改进:
space-before-function-paren规则现在能够正确处理带有参数的 catch 子句,提供了更精确的代码风格检查。
新增功能
-
支持 using 语法:新增了对 ECMAScript 新特性
using语法的支持,使开发者能够对资源管理相关的代码进行风格检查。 -
额外括号规则优化:
no-extra-parens规则现在允许展开语法包裹在括号中,提供了更灵活的代码风格选择。 -
操作符换行规则增强:
operator-linebreak规则新增了对 TypeScript 节点的支持,统一了 JavaScript 和 TypeScript 代码的操作符换行检查标准。
问题修复
-
缩进规则改进:修复了
indent规则对JSXText和 TypeScript 节点的处理问题,现在能够更准确地忽略这些特殊节点。 -
类型注解空格处理:
type-annotation-spacing规则现在能够正确处理括号内的类型注解,避免了误报情况。 -
泛型空格规则健壮性提升:
type-generic-spacing规则增加了对空类型参数的处理,防止因此导致的错误。 -
JSX 属性排序规则修正:修复了
jsx-sort-props规则的选项模式问题,确保了配置的正确性。 -
代码块前空格检查完善:
space-before-blocks规则现在会检查TSModuleBlock节点前的空格,提供了更全面的代码风格检查。
升级建议
对于正在使用 ESLint Stylistic 的开发者,升级到 v5.0.0 版本需要注意以下几点:
-
检查项目中是否使用了已被移除的子包,需要更新为统一的包引用方式。
-
如果项目中使用到了被移除的废弃选项,需要根据新版本的规则调整配置。
-
对于 TypeScript 项目,注意对象相关规则的行为变化,可能需要调整部分配置以适应新的检查逻辑。
-
建议在升级前先运行一次完整的代码检查,了解可能受到影响的代码部分。
这次重大版本更新体现了 ESLint Stylistic 项目对代码质量的高标准要求,通过架构优化和规则改进,为开发者提供了更强大、更精确的代码风格检查工具。
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