GraphQL Code Generator 中 verbatimModuleSyntax 的类型导入问题解析
问题背景
在使用 TypeScript 开发 GraphQL 应用时,许多开发者会选择 GraphQL Code Generator 来自动生成类型定义文件。当项目中启用了 TypeScript 的 verbatimModuleSyntax: true 配置时,生成的代码可能会遇到类型导入错误。
verbatimModuleSyntax 的作用
verbatimModuleSyntax 是 TypeScript 4.5 引入的一个严格模式选项,它强制开发者明确区分类型导入和值导入。在这种模式下:
- 所有类型导入必须使用
import type语法 - 禁止混合导入类型和值
- 提供更清晰的模块边界和更精确的依赖分析
问题现象
当启用 verbatimModuleSyntax 时,GraphQL Code Generator 默认生成的代码中,对于 TypedDocumentNode 的导入语句会报错:
import { TypedDocumentNode as DocumentNode } from '@graphql-typed-document-node/core';
错误提示为:TypedDocumentNode is a type and must be imported using a type-only import when verbatimModuleSyntax is enabled.
解决方案
方法一:配置 useTypeImports
在 GraphQL Code Generator 的配置文件中,可以通过设置 useTypeImports: true 来强制生成类型导入语句:
import type { CodegenConfig } from '@graphql-codegen/cli';
const config: CodegenConfig = {
generates: {
'./db/__generated__/': {
plugins: ['typescript', 'typescript-resolvers'],
config: {
useTypeImports: true
}
}
}
};
export default config;
方法二:手动修改生成文件
虽然不推荐,但也可以手动修改生成的代码文件,添加 type 关键字:
import { type TypedDocumentNode as DocumentNode } from '@graphql-typed-document-node/core';
技术原理
GraphQL Code Generator 的核心功能是根据 GraphQL schema 自动生成 TypeScript 类型定义。当启用 verbatimModuleSyntax 时,TypeScript 编译器会对所有导入进行严格检查:
TypedDocumentNode是一个纯类型定义- 在严格模式下,纯类型必须使用
import type或import { type ... }语法 - 默认生成的代码没有区分类型和值的导入
最佳实践
-
始终配置 useTypeImports:即使当前没有启用
verbatimModuleSyntax,配置此选项可以确保代码在未来兼容性 -
统一项目配置:如果团队决定使用
verbatimModuleSyntax,应在所有相关工具链中保持一致 -
定期更新工具链:GraphQL Code Generator 及其插件会不断改进对 TypeScript 新特性的支持
总结
TypeScript 的 verbatimModuleSyntax 选项提供了更严格的模块导入检查,有助于提高代码质量。通过合理配置 GraphQL Code Generator 的 useTypeImports 选项,开发者可以无缝地在严格类型检查环境下使用自动生成的代码。这一小配置的调整,能够带来更好的类型安全性和代码可维护性。
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-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
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