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。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C091
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00