ZenStack中基于Auth()的默认值字段在Zod模式中的优化处理
2025-07-01 13:41:10作者:庞眉杨Will
在ZenStack框架的数据模型定义中,开发者经常会使用@default()属性为字段设置默认值。当默认值使用auth()函数时,表示该字段的值将在运行时根据当前认证用户的信息自动生成。这种设计模式在权限管理和数据关联场景中非常常见。
在最新发布的ZenStack v2.0.0版本中,开发团队修复了一个关于Zod模式生成的优化问题。具体表现为:当一个字段的默认值设置为auth()时,该字段在生成的Zod验证模式中应该被标记为可选(optional)属性。
让我们通过一个典型的数据模型示例来说明这个改进的实际意义:
model Post {
id String @id @default(uuid())
title String @default('xyz')
userId String @default(auth().id)
user User @relation(fields: [userId], references: [id])
}
在这个Post模型中,userId字段使用了@default(auth().id),表示当创建新Post记录时,如果没有显式指定userId,系统会自动使用当前认证用户的ID作为默认值。
在v2.0.0之前的版本中,生成的Zod模式可能会错误地将这个字段标记为必填字段。这会导致即使开发者不显式提供userId值,Zod验证也会失败,尽管系统实际上能够通过auth()自动填充这个值。
这个修复带来的主要改进包括:
-
更准确的类型定义:生成的Zod模式现在能正确反映字段的实际可选性,使类型系统更加精确。
-
更好的开发体验:开发者不再需要为了通过验证而手动提供本可由系统自动填充的值。
-
更符合预期行为:与Prisma模型定义的行为保持一致,确保运行时行为与类型定义一致。
-
简化表单处理:在前端表单处理时,可以安全地省略这些字段,减少不必要的代码。
这个改进特别适合以下场景:
- 需要自动关联当前用户的资源创建
- 实现自动审计追踪(如createdBy字段)
- 简化需要用户关联的表单提交流程
ZenStack团队通过这个优化,进一步提升了框架在类型安全和开发体验方面的表现,使得基于认证上下文的默认值处理更加符合开发者的直觉预期。
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥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
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137