在Pont项目中定制化生成API类型定义文件的方法
2025-06-27 21:20:04作者:晏闻田Solitary
Pont作为阿里巴巴开源的API接口管理工具,能够根据后端接口定义自动生成前端代码。在实际开发中,有时我们只需要生成API的类型定义文件(如api.d.ts),而不需要其他如mod和pontCore等辅助文件。本文将介绍如何通过定制化Pont来实现这一需求。
为什么需要定制化生成
Pont默认会生成以下几类文件:
- API类型定义文件(api.d.ts)
- 模块文件(mod)
- pontCore核心文件
对于只需要类型定义的项目来说,后两类文件显得多余。通过定制化Pont的生成逻辑,我们可以精简输出结果,使项目结构更加清晰。
实现方法
1. 禁用mod文件生成
通过继承并重写FileStructures类的getMultipleOriginsFileStructures方法,可以阻止mod文件的生成:
export class FileStructures extends OriginFileStructures {
getMultipleOriginsFileStructures() {
for (let generate of this.generators) {
generate.dataSource.mods = []
}
return super.getMultipleOriginsFileStructures()
}
}
这段代码通过清空每个数据源的mods数组,实现了不生成mod文件的目的。
2. 禁用pontCore文件生成
pontCore文件是Pont的核心工具文件,包含了一些基础类型定义和请求方法。如果不需要这些功能,可以通过重写getFileStructures方法来禁用其生成:
getFileStructures() {
const result =
this.usingMultipleOrigins || this.generators.length > 1
? this.getMultipleOriginsFileStructures()
: this.getOriginFileStructures(this.generators[0]);
return result;
}
原方法中会检查JavaScript或TypeScript环境并生成相应的pontCore文件,重写后直接返回API定义文件结构,跳过了pontCore文件的生成逻辑。
注意事项
- 如果项目中确实需要使用pontCore提供的功能(如基础请求方法),则不应该禁用其生成
- 修改生成逻辑前,建议先了解各文件的作用,确保不会影响项目功能
- 对于团队项目,应与团队成员沟通确认定制化方案
总结
通过定制化Pont的文件生成逻辑,我们可以根据项目需求灵活控制输出内容。这种定制化方式不仅适用于精简生成文件,也可以扩展到其他定制需求,如修改生成文件的命名规则、调整目录结构等。掌握这些技巧能让Pont更好地服务于各种不同的项目场景。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
Python开发者的macOS终极指南:VSCode安装配置全攻略 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 STM32到GD32项目移植完全指南:从兼容性到实战技巧 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.19 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
Ascend Extension for PyTorch
Python
229
259
暂无简介
Dart
680
160
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++
689
326
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
493