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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00