hey-api/openapi-ts 0.67.0版本发布:TypeScript模块解析与Discriminator字段优化
项目简介
hey-api/openapi-ts是一个用于将OpenAPI/Swagger规范转换为TypeScript代码的工具,它能够自动生成强类型的客户端代码,帮助开发者更安全、高效地与API进行交互。该项目特别适合需要与RESTful API频繁交互的前端或Node.js项目。
版本亮点
1. 支持tsconfig.json中的moduleResolution配置
在0.67.0版本中,工具现在能够正确识别并应用项目tsconfig.json文件中的moduleResolution设置。这一改进特别针对使用Node.js原生ES模块系统的项目。
当moduleResolution设置为"nodenext"时,工具会自动在相对模块路径后添加.js扩展名,这是Node.js ES模块规范的要求。例如:
// 之前
import { Api } from './api';
// 现在(当moduleResolution为nodenext时)
import { Api } from './api.js';
如果开发者希望保持之前的行为(不自动添加.js扩展名),可以通过配置output.tsConfigPath为"off"来禁用此功能:
export default {
input: 'your-openapi-spec',
output: {
path: 'src/client',
tsConfigPath: 'off', // 禁用自动添加.js扩展名
},
};
这一改进使得生成的代码能够更好地与现代JavaScript模块系统兼容,特别是在Node.js环境中使用原生ES模块时。
2. 修复oneOf与discriminator组合使用时的字段必填问题
在OpenAPI规范中,discriminator字段常用于区分使用oneOf组合的不同模型。0.67.0版本修复了一个重要问题:现在当discriminator字段与oneOf关键字一起使用时,该字段会被正确地标记为必填字段。
例如,考虑以下OpenAPI定义:
components:
schemas:
Pet:
oneOf:
- $ref: '#/components/schemas/Cat'
- $ref: '#/components/schemas/Dog'
discriminator:
propertyName: petType
mapping:
cat: '#/components/schemas/Cat'
dog: '#/components/schemas/Dog'
在之前的版本中,生成的TypeScript类型可能不会强制要求petType字段。而在0.67.0版本中,petType会被正确地标记为必填字段,确保了类型安全。
3. 类型名称生成优化
该版本还改进了生成类型名称时的处理逻辑,特别是对于附加类型(如data、error、response等)的命名。现在工具会避免在这些附加类型前添加下划线,使得生成的类型名称更加整洁和一致。
例如,之前可能生成的类型名称为_Data或_Error,现在会直接生成Data或Error,提高了代码的可读性。
升级建议
对于正在使用hey-api/openapi-ts的项目,特别是以下情况建议升级到0.67.0版本:
- 项目使用Node.js的ES模块系统(moduleResolution设置为nodenext)
- API设计中使用了oneOf和discriminator组合来区分不同类型
- 希望生成的类型名称更加简洁一致
升级时需要注意:
- 如果项目依赖不自动添加.js扩展名的行为,记得配置tsConfigPath为"off"
- 检查是否有代码依赖于之前discriminator字段非必填的行为,可能需要相应调整
这个版本的改进使得生成的TypeScript代码更加符合现代JavaScript模块系统的要求,同时在类型安全方面也有所增强,是值得推荐的一次升级。
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
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
yuanrongopenYuanrong runtime:openYuanrong 多语言运行时提供函数分布式编程,支持 Python、Java、C++ 语言,实现类单机编程高性能分布式运行。Go051
pc-uishopTNT开源商城系统使用java语言开发,基于SpringBoot架构体系构建的一套b2b2c商城,商城是满足集平台自营和多商户入驻于一体的多商户运营服务系统。包含PC 端、手机端(H5\APP\小程序),系统架构以及实现案例中应满足和未来可能出现的业务系统进行对接。Vue00
ebook-to-mindmapepub、pdf 拆书 AI 总结TSX01