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。
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-1.5暂无简介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
Spark-Formalizer-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
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