Encore项目中TypeScript高级类型支持的演进
Encore作为一款现代化的开发框架,近期在其v1.46.12版本中增强了对TypeScript高级类型特性的支持,特别是解决了开发者在使用映射类型和索引访问类型时遇到的限制问题。这一改进显著提升了开发者在Encore生态中使用复杂类型系统的能力。
类型系统限制的突破
在之前的版本中,Encore对TypeScript某些高级类型特性的支持存在限制。开发者反馈在使用类似ObjectValues<T>这样的实用类型时遇到了"unsupported index access type operation"的错误。这类实用类型通常用于从常量对象中提取值类型,是TypeScript生态中的常见模式。
export type ObjectValues<T> = T[keyof T];
这种模式允许开发者从常量对象中派生出联合类型,保持类型安全的同时减少重复代码。例如,当定义一组动作常量时:
export const TAGGING_ACTION = {
ADD: 'ADD',
REMOVE: 'REMOVE',
} as const;
开发者可以方便地派生出对应的类型:
export type TaggingAction = ObjectValues<typeof TAGGING_ACTION>;
实际应用场景
这种类型模式在实际开发中有多重优势:
- 单一真实来源:常量和类型定义保持同步,避免不一致
- 可维护性:修改只需在一处进行,编辑器重构功能可自动传播变更
- 类型安全:相比直接使用字符串字面量,这种方式提供了更好的类型检查
此外,这种模式在各类代码生成工具中尤为常见,如Prisma、GraphQL Codegen和OpenAPI生成器等,它们通常依赖这些高级类型特性来生成类型定义。
更复杂的类型支持
Encore的更新不仅解决了基础的keyof访问问题,还支持了更复杂的类型操作。例如,开发者现在可以使用条件类型和映射类型的组合:
export type KeepNullable<T> = {
[K in keyof T]: null extends T[K] ? T[K] : never;
} extends infer O ? Pick<O, { [K in keyof O]: O[K] extends never ? never : K }[keyof O]> : never;
这种类型可以提取出对象类型中所有可为null的属性,在表单处理和API响应等场景中非常实用。
最佳实践演进
Encore团队在解决这一问题时,也探讨了类型定义的最佳实践。虽然直接使用字符串字面量或TypeScript枚举在某些简单场景下可行:
// 方案1: 直接使用字符串字面量
interface Request1 {
action: "ADD" | "REMOVE";
}
// 方案2: 使用TypeScript枚举
enum TaggingAction {
ADD = "ADD",
REMOVE = "REMOVE"
}
但社区更倾向于使用as const结合类型推导的模式,原因在于:
- 保持JavaScript的运行时特性不变
- 避免TypeScript枚举的一些已知问题
- 与函数式编程风格更契合
- 更好的tree-shaking支持
总结
Encore对TypeScript高级类型支持的增强,体现了框架对开发者体验的持续关注。这一改进不仅解决了现有代码的兼容性问题,也为更复杂、更类型安全的应用程序开发铺平了道路。开发者现在可以更自由地使用TypeScript的类型系统来表达复杂的业务逻辑,同时保持代码的简洁性和可维护性。
随着Encore生态的成熟,这类对TypeScript深度集成的改进将继续提升开发者的生产力,特别是在需要严格类型安全的大型应用中。
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