GraphQL Code Generator 5.7.0版本发布:新增includeExternalFragments选项支持
2025-06-04 03:52:23作者:凤尚柏Louis
GraphQL Code Generator是一个强大的工具链,它能够根据GraphQL Schema自动生成类型安全的代码,支持多种编程语言和框架。这个工具极大地简化了GraphQL开发流程,帮助开发者减少手动编写类型定义的工作量,提高开发效率和代码质量。
在最新发布的5.7.0版本中,GraphQL Code Generator引入了一个重要的新功能:includeExternalFragments选项。这个选项为开发者提供了更灵活的控制权,可以决定是否在生成的代码中包含外部片段。
includeExternalFragments选项详解
includeExternalFragments是一个布尔类型的选项,当设置为true时,生成的代码会包含所有引用的外部片段;当设置为false时,则会忽略这些外部片段。这个选项主要影响以下插件:
@graphql-codegen/visitor-plugin-common:这是基础插件,为其他插件提供公共功能@graphql-codegen/typescript-operations:用于生成TypeScript操作类型
这个功能的引入解决了开发者在使用片段时的特定需求。在某些场景下,开发者可能希望保持生成的代码简洁,不包含外部片段定义;而在其他场景下,又需要确保所有依赖的片段都被完整包含。现在,通过这个选项可以轻松实现这两种需求。
相关插件更新
除了基础插件外,多个依赖插件也同步更新以支持这一新功能:
typescript-document-nodes更新至4.0.14版本gql-tag-operations更新至4.0.15版本typescript-operations更新至4.5.0版本(这是主要实现该功能的插件)typescript-resolvers更新至4.4.3版本typed-document-node更新至5.0.14版本typescript更新至4.1.4版本
这些插件的更新确保了整个生态系统中对新功能的良好支持。
client-preset插件的改进
在4.6.3版本的client-preset插件中,修复了一个关于@client指令的重要问题。之前版本中,带有@client指令的片段扩展在生成的持久化文档中未被正确移除,这可能导致不必要的数据请求或类型错误。这个修复确保了客户端指令能够正确影响代码生成过程。
实际应用场景
这个新功能特别适用于以下场景:
- 微前端架构:当多个微前端共享片段时,可以控制是否包含这些共享片段
- 代码拆分:在大型项目中,可以按需包含片段,优化生成的代码体积
- 类型安全:确保即使不包含片段,类型系统也能正确工作
升级建议
对于现有项目,建议开发者:
- 评估是否需要使用
includeExternalFragments功能 - 如果使用片段共享模式,可以考虑设置为
true - 如果追求最小化生成的代码体积,可以设置为
false - 测试生成的代码是否满足预期,特别是类型检查和行为
这个版本的发布进一步丰富了GraphQL Code Generator的功能集,为开发者提供了更多控制代码生成过程的选项,使得这个工具在各种复杂场景下的适用性更强。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook09
项目优选
收起
暂无描述
Dockerfile
764
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
680
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler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。
C
456
438
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++
1.08 K
1.1 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
303
117
昇腾LLM分布式训练框架
Python
178
220