Drizzle ORM 中 exactOptionalPropertyTypes 的灵活类型支持
在 TypeScript 开发中,exactOptionalPropertyTypes 是一个重要的编译器选项,它改变了可选属性的类型检查行为。Drizzle ORM 作为一个现代化的 TypeScript ORM 库,在最新版本中针对这一特性进行了优化,提供了更灵活的类型支持。
exactOptionalPropertyTypes 的背景
当 TypeScript 项目中启用 exactOptionalPropertyTypes 选项时,类型系统会对可选属性进行更严格的检查。传统上,TypeScript 将可选属性视为可以省略或显式设置为 undefined 的属性。但在启用此选项后,可选属性仅表示可以省略,而不能显式设置为 undefined,除非类型中明确包含 undefined。
这一改变使得类型系统更加精确,但也带来了一些兼容性问题。许多库需要更新其类型定义以适应这一变化,Drizzle ORM 正是其中之一。
Drizzle ORM 的类型改进
Drizzle ORM 在处理数据库操作时,如 .values() 和 .set() 方法,会接收包含表字段的对象。在之前的版本中,这些方法的类型定义没有考虑 exactOptionalPropertyTypes 的情况,导致当开发者启用此选项时,传递包含 undefined 值的对象会产生类型错误。
新版本通过以下方式解决了这个问题:
- 对于更新操作中的
.set()方法,现在允许可选属性显式设置为undefined - 对于插入操作中的
.values()方法,同样支持可选属性包含undefined值
这些改进使得 Drizzle ORM 能够更好地与现代 TypeScript 项目配合,特别是那些追求更严格类型安全的项目。
实际应用场景
假设我们有一个用户表,其中包含可选的联系方式字段:
// 表定义
const users = pgTable('users', {
id: serial('id').primaryKey(),
name: text('name').notNull(),
contact: text('contact') // 可选字段
});
在启用 exactOptionalPropertyTypes 的项目中,现在可以这样使用:
// 更新操作
await db.update(users)
.set({ contact: undefined }) // 显式设置为 undefined
.where(eq(users.id, 1));
// 插入操作
await db.insert(users)
.values({
name: 'John',
contact: undefined // 显式设置为 undefined
});
升级建议
对于已经启用 exactOptionalPropertyTypes 的项目,建议升级到 Drizzle ORM 0.38.1 或更高版本以获得这一改进。升级后,之前可能需要类型断言或特殊处理的代码现在可以直接通过类型检查,使代码更加简洁和安全。
这一改进体现了 Drizzle ORM 对 TypeScript 最新特性的快速响应能力,也展示了其作为现代化 ORM 库对开发者体验的重视。
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