ts-rest框架v3.52.0版本发布:全面增强类型系统与NestJS集成
ts-rest是一个基于TypeScript的REST API框架,它通过类型安全的契约定义方式,帮助开发者构建前后端一致的API接口。该框架支持多种流行后端框架(如Express、Fastify、NestJS等)和前端数据获取库(如React Query、Vue Query等),显著提升了全栈开发的类型安全性和开发效率。
核心功能增强:可选路径参数支持
本次发布的v3.52.0版本在类型系统层面新增了对可选路径参数的支持。这意味着开发者现在可以定义如/posts/:id?这样的路由模式,其中:id参数是可选的。这一改进使得路由定义更加灵活,能够更好地适应各种业务场景。
在实现层面,ts-rest现在能够正确推断出可选路径参数的类型,并将其映射为TypeScript中的可选类型。例如,当定义一个包含可选ID参数的路由时,对应的处理函数参数类型会自动推断为string | undefined,而不是之前的必须字符串类型。
NestJS集成深度优化
作为本次更新的重点,ts-rest对NestJS的集成进行了多项重要改进:
-
多处理器机制重构:不再使用
@All装饰器,改为在运行时为每个路由创建虚拟方法。这一改变带来了两个显著优势:首先,完全利用NestJS自身的路由匹配机制,消除了自定义算法可能带来的潜在问题;其次,避免了相同路径不同方法控制器之间的冲突问题。 -
嵌套查询参数处理:增强了多层嵌套查询参数的处理能力。现在,当API接口需要接收复杂的嵌套查询参数时,ts-rest能够正确解析并类型化这些参数,为开发者提供完整的类型提示和验证。
-
NestJS v11兼容性:新增了对NestJS最新版本v11的官方支持,确保开发者可以在最新的NestJS环境中无缝使用ts-rest。
OpenAPI规范生成改进
在OpenAPI规范生成方面,v3.52.0版本引入了自动化的可重用组件功能。通过利用@anatine/zod-openapi中的"Title"属性,ts-rest现在能够智能识别并提取可重用的模式定义,将其放置在OpenAPI规范的"Components"部分。这一优化不仅使生成的OpenAPI文档更加规范,还显著减小了文档的总体体积,特别适合大型API项目。
其他改进与维护
除了上述主要功能外,本次更新还包括对各适配器(Express、Fastify、Next.js等)的同步更新,确保所有官方支持的平台都能获得一致的功能体验。特别是Serverless环境和各前端查询库(React Query、Solid Query、Vue Query)的适配器也获得了相应更新,保持了整个生态系统的同步发展。
升级建议
对于正在使用ts-rest的开发者,特别是那些采用NestJS作为后端框架的项目,建议尽快升级到v3.52.0版本以获取更好的类型安全和开发体验。升级过程通常是平滑的,但需要注意以下几点:
-
如果使用了多处理器功能,由于实现机制的变化,可能需要检查相关代码是否符合新的工作方式。
-
对于OpenAPI生成功能,新的组件重用机制可能会改变生成的文档结构,但不会影响实际API行为。
-
NestJS用户如果计划升级到v11版本,应同步升级ts-rest以获得最佳兼容性。
ts-rest持续致力于提供类型安全、开发友好的API开发体验,v3.52.0版本的发布再次证明了这一点。通过不断优化核心功能和框架集成,ts-rest正成为TypeScript全栈开发中越来越重要的工具选择。
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