Valibot v1.0.0-beta.4 版本发布:JSON Schema 转换功能增强
Valibot 是一个现代化的 JavaScript 数据验证库,它提供了一种类型安全且高效的方式来验证和转换数据。与传统的验证库相比,Valibot 特别注重开发者体验和性能优化,通过组合式 API 让数据验证变得更加灵活和强大。
本次发布的 v1.0.0-beta.4 版本主要聚焦于 JSON Schema 转换功能的增强,新增了对多种常见数据格式的支持,并对对象类型的 schema 处理进行了优化。这些改进使得 Valibot 在数据验证和转换方面更加全面和实用。
新增验证动作支持
Valibot 在此版本中新增了大量实用的验证动作(actions),这些动作可以直接用于数据验证,也可以转换为对应的 JSON Schema。这些新增功能包括:
基础数据格式验证
base64:验证字符串是否为有效的 Base64 编码nonEmpty:确保字符串、数组等不为空url:验证字符串是否为有效的 URL 格式empty:验证值是否为空(字符串、数组等)
日期时间相关
isoTime:验证字符串是否符合 ISO 时间格式isoDateTime:验证字符串是否符合 ISO 日期时间格式
金融和标识相关
bic:验证银行识别码(Business Identifier Code)cuid2:验证 CUID2 标识符(一种可扩展的通用唯一标识符)ulid:验证 ULID(Universally Unique Lexicographically Sortable Identifier)
数字和编码相关
decimal:验证十进制数字digits:验证数字字符串hexadecimal:验证十六进制字符串octal:验证八进制字符串
其他实用验证
emoji:验证字符串是否只包含表情符号hex_color:验证十六进制颜色代码nanoid:验证 NanoID(一种小巧、安全、URL友好的唯一ID)
这些新增的验证动作极大地扩展了 Valibot 的应用场景,开发者现在可以更方便地验证各种专业领域的数据格式。
对象 Schema 处理优化
在 JSON Schema 转换方面,本次版本对对象类型的处理进行了重要改进:
- 调整了
object和looseObject类型的additionalProperties处理逻辑 - 使生成的 JSON Schema 更加符合实际应用场景的需求
这一改进使得 Valibot 生成的 JSON Schema 更加准确和实用,特别是在处理动态属性或未知属性时,能够提供更合理的默认行为。
技术实现分析
从技术角度来看,Valibot 的这些新增验证动作大多是通过正则表达式和专门的验证逻辑实现的。例如:
- URL 验证不仅检查基本格式,还会考虑各种特殊情况
- 金融相关验证(如 BIC)遵循国际标准规范
- 各种编码格式验证(Base64、十六进制等)确保数据的严格合规性
对于 JSON Schema 转换,Valibot 采用了智能的类型映射策略,能够将 JavaScript 的验证逻辑准确地转换为标准的 JSON Schema 定义。这种转换不仅保留了原始验证的语义,还确保了生成的 Schema 可以被各种支持 JSON Schema 的工具正确理解和使用。
应用场景建议
这些新增功能特别适用于以下场景:
- API 开发:在请求参数验证中使用各种格式验证,确保输入数据的合规性
- 表单验证:前端表单中对用户输入进行即时验证
- 数据转换:在不同系统间传递数据时进行格式转换和验证
- 配置文件验证:验证应用配置文件的完整性和正确性
总结
Valibot v1.0.0-beta.4 版本的发布,通过新增大量实用的验证动作和优化 JSON Schema 转换功能,进一步巩固了其作为现代化数据验证库的地位。这些改进不仅提高了开发效率,也增强了数据验证的可靠性和灵活性。对于需要严格数据验证的项目,Valibot 无疑是一个值得考虑的优秀选择。
随着这些新功能的加入,开发者现在可以更加自信地处理各种复杂的数据验证场景,同时享受类型安全和良好开发者体验带来的好处。期待 Valibot 在未来带来更多创新和实用的功能。
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-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
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