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。
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 StartedRust0199
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 Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。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
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07