Pothos Drizzle 插件 v0.9.0 发布:全面支持 Drizzle ORM RQBV2 API
2025-06-19 22:46:11作者:董宙帆
Pothos 是一个强大的 GraphQL 模式构建工具,而 Drizzle ORM 是一个新兴的、类型安全的 SQL 查询构建器。@pothos/plugin-drizzle 插件作为两者之间的桥梁,让开发者能够在 GraphQL 中无缝集成 Drizzle ORM 的数据模型和查询能力。
RQBV2 API 的重大升级
本次 0.9.0 版本的核心变化是全面适配 Drizzle ORM 的最新 RQBV2(关系查询构建器版本2)API。RQBV2 是 Drizzle ORM 的重大改进版本,它重新设计了关系查询的构建方式,提供了更直观、更类型安全的 API。
配置变更
在新的版本中,插件初始化方式发生了显著变化。开发者现在需要提供 Drizzle 的 relations 配置以及对应 SQL 方言的 getTableConfig 函数,而不是之前的 schema。这种变化反映了 RQBV2 更强调关系定义在 ORM 配置中的核心地位。
import { getTableConfig } from 'drizzle-orm/sqlite-core';
import DrizzlePlugin from '@pothos/plugin-drizzle';
const builder = new SchemaBuilder<PothosTypes>({
plugins: [DrizzlePlugin],
drizzle: {
client: db,
getTableConfig,
relations,
},
});
查询条件语法简化
RQBV2 带来了更简洁的 where 和 orderBy 语法。相比之前需要手动调用 eq、desc 等函数,新版本允许直接使用对象字面量表示查询条件,大大提升了代码可读性:
builder.drizzleObject('users', {
name: 'User',
fields: (t) => ({
posts: t.relation('posts', {
query: (args) => ({
where: {
published: true,
},
orderBy: {
updatedAt: 'desc',
},
}),
}),
}),
});
额外字段定义改进
对于需要在查询中添加计算字段的场景,新版本改进了 extras 的定义方式。现在不再需要显式调用 .as() 方法,而是使用回调函数风格,使代码更加整洁:
const UserRef = builder.drizzleObject('users', {
name: 'User',
select: {
extras: {
lowercaseName: (users, sql) => sql<string>`lower(${users.firstName})`
},
},
});
新功能与改进
除了核心 API 的升级外,0.9.0 版本还带来了多项改进:
- 新增 drizzleConnectionHelpers API:为分页查询提供了更便捷的工具方法
- 增强的类型安全性:全面利用 RQBV2 的类型系统,提供更精确的类型推断
- 测试覆盖率提升:新增了大量测试用例,确保各种查询场景的稳定性
- 依赖更新:同步更新了相关依赖版本
升级建议
对于正在使用旧版本的项目,升级到 0.9.0 需要注意以下几点:
- 必须同时升级到 Drizzle ORM 的 beta 版本
- 需要重构现有的 where 和 orderBy 条件
- 检查并更新所有 extras 字段的定义
- 确保正确配置了 relations 和 getTableConfig
这次升级虽然包含了一些破坏性变更,但带来的开发体验提升和类型安全增强是值得的。新 API 的设计更加符合现代 TypeScript 开发的最佳实践,能够帮助开发者构建更健壮、更易维护的 GraphQL 服务。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
182
196
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++
648
265
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
274
94
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.41 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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