在Bon项目中实现自定义构建器完成方法的最佳实践
2025-07-10 20:44:04作者:瞿蔚英Wynne
Bon是一个Rust语言的构建器模式宏库,它提供了#[bon::builder]属性宏来简化构建器模式的实现。在实际开发中,我们经常需要自定义构建器的完成方法(finish_fn),本文将深入探讨如何优雅地实现这一需求。
自定义完成方法的基本实现
Bon构建器默认会生成一个call()方法作为构建过程的最终步骤。但有时我们需要更灵活的控制,比如根据不同的参数组合提供多个完成方法:
#[bon::builder]
pub fn greet(
#[builder(start_fn)] name: &str,
#[builder(field)] custom: u32,
) -> () {
println!("Hello {}, custom value is {}", name, custom);
}
我们可以为这个构建器添加多个自定义完成方法:
impl<S: State> GreetBuilder<S> {
pub fn five(mut self) -> () {
self.custom = 5;
self.call()
}
pub fn six(mut self) -> () {
self.custom = 6;
self.call()
}
pub fn seven(mut self) -> () {
self.custom = 7;
self.call()
}
}
隐藏默认的call方法
在某些场景下,我们希望强制使用者通过特定的完成方法来完成构建,而不是直接调用call()。Bon提供了灵活的可见性控制机制:
#[bon::builder]
#[builder(finish_fn(vis = ""))] // 将call方法设为私有
pub fn greet(
#[builder(start_fn)] name: &str,
#[builder(field)] custom: u32,
) -> () {
// ...
}
这样配置后,call()方法将变为私有,外部代码只能通过我们公开的自定义完成方法(five(), six(), seven())来完成构建。
设计模式考量
这种实现方式实际上是一种"特化构建器"模式,它有以下几个优点:
- 类型安全:每个完成方法可以确保参数组合的有效性
- 语义明确:方法名(five/six/seven)直接表达了构建意图
- 使用约束:避免了不合理的参数组合
在更复杂的场景中,我们还可以结合Rust的trait系统,为不同的完成方法返回不同的类型,实现更丰富的构建流程控制。
性能考量
虽然添加了中间方法调用,但由于Rust的零成本抽象特性,这些额外的完成方法不会带来运行时开销。编译器会内联这些方法调用,生成的代码与直接调用call()同样高效。
总结
Bon构建器提供了强大的自定义完成方法功能,通过合理设计可以:
- 创建语义更清晰的API
- 强制特定的使用模式
- 保持Rust的性能优势
- 提供更好的编译时检查
这种模式特别适合需要严格参数验证或提供多种预设配置的场景。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust023
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
暂无描述
Dockerfile
678
4.33 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
518
630
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381
🎉 (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
1.57 K
911
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++
948
889
暂无简介
Dart
923
228
openEuler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。
C
399
305
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
635
217
openGauss kernel ~ openGauss is an open source relational database management system
C++
183
260