ts-rest 3.53.0-rc.1版本发布:标准化Schema验证与多框架增强
ts-rest是一个强大的TypeScript优先的API契约库,它允许开发者定义一次API契约并在前后端共享类型安全。通过类型化的路由定义,ts-rest为全栈TypeScript开发提供了无缝的体验。
标准化Schema验证支持
本次3.53.0-rc.1版本最重要的更新是引入了"Standard Schema"验证接口。这一改变为ts-rest带来了更广泛的验证库兼容性,开发者现在可以自由选择Zod、Valibot、Arktype等多种验证方案,而不再局限于特定的验证库。
在核心模块@ts-rest/core中,这一标准化接口的实现意味着:
- 验证逻辑与具体库解耦,提高了灵活性
- 支持更多现代验证库的集成
- 保持类型安全的同时提供更丰富的验证选项
各框架适配器更新
Express适配器增强
@ts-rest/express现在正式支持Express v5,为使用最新Express版本的开发者提供了更好的兼容性。同时,它也继承了标准Schema验证支持,使得Express路由的输入输出验证更加灵活。
Fastify适配器改进
@ts-rest/fastify新增了AppRouteImplementation的导出,这一改进使得开发者可以更方便地在不同文件中组织和复用路由实现逻辑,提高了代码的可维护性。
Next.js适配器修复
修复了Next.js适配器中查询参数污染路径参数读取的问题,确保了参数解析的准确性。这对于依赖URL参数进行路由匹配的Next.js应用尤为重要。
OpenAPI生成增强
@ts-rest/open-api模块现在支持自定义Schema转换器,与标准Schema更新保持同步。新增的operationMapper函数参数允许开发者使用appRoute的ID作为回调,为OpenAPI文档生成提供了更多定制选项。此外,还增加了对c.otherResponse()的支持,使得API文档能更全面地反映实际响应情况。
其他改进
- 修复了baseUrl和路径中前导/和尾随/重复的问题
- 允许在路径参数中传递数字类型
- 修复了无响应体但带有JSON内容类型头的响应处理
- 服务器模块(@ts-rest/serverless)暴露了更多类型,解决了"verbatimModuleSyntax"等构建配置下的构建问题
总结
ts-rest 3.53.0-rc.1版本通过引入标准化Schema验证接口,为开发者提供了更大的灵活性和选择空间。各框架适配器的增强和修复进一步提升了开发体验,使得构建类型安全的API更加便捷。这些改进使得ts-rest在全栈TypeScript开发中的优势更加明显,值得开发者关注和采用。
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