Pothos Drizzle 插件 v0.9.0 发布:全面支持 Drizzle ORM RQBV2 API
2025-06-19 02:42:45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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
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
暂无简介
Dart
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218