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。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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