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。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0105
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00