TypeDoc 中函数参数回调参数的文档化最佳实践
2025-05-28 21:00:25作者:昌雅子Ethen
TypeDoc 作为 TypeScript 项目的文档生成工具,在处理函数参数中的回调函数参数文档化时有其特定的规则和最佳实践。本文将深入探讨如何正确地为这类嵌套参数编写文档注释。
回调函数参数文档化的演变
在 TypeDoc 0.23.x 版本中,开发者可能会使用以下方式为回调函数的参数添加文档:
/**
* @param f - 产生副作用的函数...
*/
export function action (
/**
* @param data - 数据对象...
* @param i - 位置索引...
*/
f: (data: Data, i: number) => void
): void;
然而,从 TypeDoc 0.26.x 版本开始,这种方式不再有效,参数 data 和 i 的文档描述会丢失。这是因为参数 f 的 @param 注释会覆盖整个参数注释,导致 TypeDoc 无法正确解析嵌套的 @param 标签。
推荐的文档化方式
当前版本的 TypeDoc 推荐以下写法:
/**
* ...函数描述...
*/
export function action (
/**
* 产生副作用的函数...
* @param data - 数据对象...
* @param i - 位置索引...
*/
f: (data: Data, i: number) => void
): void;
这种写法有以下特点:
- 主函数描述与参数描述分离
- 回调函数的参数文档直接嵌套在参数
f的注释中 - 使用标准的
@param标签为回调参数添加文档
技术实现细节
TypeDoc 0.26.7 版本修复了相关解析逻辑,现在能够正确识别并展示这种嵌套参数的文档。在 IDE 中悬停查看时:
- 会显示参数
f的整体描述 - 当填写回调函数参数时,会显示各个参数的详细文档
最佳实践建议
- 避免过度文档化:如果回调函数的参数意义明确(如简单的
data和index),可以考虑不添加文档注释 - 复杂类型提取:当回调参数类型复杂到需要详细文档时,建议将其提取为独立的类型别名
- 保持一致性:在整个项目中统一采用一种文档化风格
总结
TypeDoc 对嵌套函数参数的文档支持经过了多次改进。开发者应当遵循当前版本的推荐写法,同时考虑代码的可读性和文档的实际必要性。对于简单的回调函数,省略参数文档可能是更好的选择;而对于复杂的业务逻辑,提取类型别名往往能提供更好的文档体验。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137