ESLint v9.24.0 版本发布:TypeScript 支持增强与规则优化
ESLint 是一个广受欢迎的 JavaScript 静态代码分析工具,它通过识别和报告代码中的模式来帮助开发者维护代码质量。最新发布的 v9.24.0 版本带来了多项重要更新,特别是在 TypeScript 支持方面有了显著增强。
TypeScript 支持的重大改进
本次更新中,ESLint 对 TypeScript 的支持有了多项实质性提升:
-
实验性类型剥离功能:新增了
--experimental-strip-types选项,允许在加载 TypeScript 配置文件时剥离类型注解,这使得 ESLint 能更流畅地处理 TypeScript 配置文件。 -
规则对 TS 语法的支持扩展:
init-declarations规则现在能够正确处理 TypeScript 的类型声明语法no-dupe-class-members规则增强了对 TypeScript 类成员重复检查的支持no-loss-of-precision规则优化了对 TypeScript 数字字面量的精度检查no-array-constructor规则现在能识别 TypeScript 的数组构造语法
这些改进使得 TypeScript 项目在使用 ESLint 时能获得更准确和全面的代码检查体验。
核心功能增强
-
模式规范化处理:ESLint 现在会自动规范化文件和忽略模式中的
"./"前缀,这解决了在不同操作系统下路径处理可能不一致的问题,提高了跨平台兼容性。 -
违规抑制机制:引入了一个新的方式来抑制规则违规,这为开发者提供了更灵活的代码检查控制能力,在需要时可以临时绕过特定规则的检查。
-
类方法使用 this 检查的选项扩展:
class-methods-use-this规则新增了配置选项,允许更精细地控制哪些类方法需要强制使用this关键字。
问题修复与优化
-
错误消息去重:修复了
no-loop-func规则中变量名在错误消息中重复显示的问题,使错误提示更加清晰。 -
类型定义修正:将
context.options的类型更正为any[],提高了类型系统的准确性。 -
构建系统改进:重新启用了对
package.json文件的 Prettier 格式化,确保项目配置文件的风格一致性。
文档与开发者体验
-
更新了关于实验性类型剥离功能的文档说明,帮助开发者更好地理解和使用这一新特性。
-
优化了 gitignore 路径处理的文档说明,使配置更加直观易懂。
-
修正了多个文档示例中的代码问题,包括修复器示例和规则示例的改进。
-
移除了不必要的文件名传递,简化了规则示例的测试流程。
开发者工具链更新
-
升级了
@eslint/js到 v9.24.0 版本,保持核心依赖的同步更新。 -
修复了包脚本中的拼写错误,提高了开发体验。
-
针对 Windows 平台调整了符号链接测试,确保跨平台测试的稳定性。
-
从共享类型定义中移除了不必要的
Rule和FormatterFunction类型,简化了类型系统。
这次更新进一步巩固了 ESLint 作为 JavaScript/TypeScript 生态系统中代码质量保障工具的领导地位,特别是在 TypeScript 项目中的支持更加完善。开发者现在可以获得更准确、更灵活的代码检查体验,同时工具本身的稳定性和跨平台兼容性也得到了提升。
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