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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00