TypeSpec HTTP Server JS 0.58.0 版本发布:增强日期时间处理与类型支持
TypeSpec 是一个用于定义 API 契约的领域特定语言(DSL),它允许开发者以类型安全的方式描述 REST API 接口。作为 TypeSpec 生态中的重要组件,TypeSpec HTTP Server JS 提供了将 TypeSpec 定义转换为可运行 JavaScript 服务器代码的能力。
最新发布的 0.58.0-alpha.13 版本带来了多项重要改进,特别是在日期时间处理、数值类型支持和路由处理方面有了显著增强。这些改进使得开发者能够更精确地处理 API 中的复杂数据类型,同时提高了代码的健壮性和可维护性。
现代化的日期时间处理
新版本引入了对 Temporal API 的支持,这是 JavaScript 社区期待已久的现代化日期时间处理方案。Temporal API 提供了比传统 Date 对象更强大、更直观的日期时间操作能力。
开发者现在可以选择三种不同的日期时间处理模式:
-
temporal-polyfill 模式(默认):使用 temporal-polyfill 包提供的 Temporal API 实现,确保在不支持原生 Temporal API 的环境中也能正常工作。
-
temporal 模式:直接使用全局可用的 Temporal API,适合已经确保运行环境支持 Temporal 的情况。随着 JavaScript 引擎对 Temporal 的广泛支持,这将成为未来的默认模式。
-
date-duration 模式:传统的 Date 对象配合自定义 Duration 对象,仅推荐在确实无法使用 Temporal 的情况下使用。
在 tspconfig.yaml 中配置日期时间模式非常简单:
options:
@typespec/http-server-js:
datetime: temporal-polyfill
精确数值类型支持
金融和科学计算等场景经常需要精确的十进制运算,新版本通过 decimal.js 包提供了对多种精确数值类型的支持:
- TypeSpec.decimal
- TypeSpec.decimal128
- TypeSpec.float
- TypeSpec.numeric
这些类型在生成的 JavaScript 代码中都会表示为 decimal.js 的 Decimal 对象,确保了数值计算的精确性,避免了 JavaScript 原生浮点数运算可能带来的精度问题。
增强的内容协商与路由处理
API 开发中经常需要处理不同内容类型的请求和响应。新版本改进了内容协商机制:
- 对于继承自 TypeSpec.string 的标量类型,现在支持 "text/plain" 序列化
- 对于继承自 TypeSpec.bytes 的请求体类型,增加了对未识别内容类型的回退处理逻辑
- 改进了路由区分逻辑,现在能够利用更多头部信息(而不仅仅是 content-type)来区分共享路由
枚举与元组支持
新版本完善了对枚举类型的支持,现在枚举可以正确地参与请求和响应的序列化过程。同时增加了对元组(Tuple)和枚举成员(EnumMember)类型的引用支持,使得类型系统更加完备。
错误修复与改进
除了新功能外,本次发布还包含多项重要修复:
- 修复了未实例化操作作为命名空间直接子元素时的处理问题
- 改进了大整数类型的模拟数据生成,现在会正确使用 BigInt
- 修正了路由参数生成逻辑,避免使用 JavaScript 保留关键字作为参数名
- 优化了扩展 Record 类型的模型生成方式,现在会正确引用 TypeScript 的 Record 类型
这些改进使得 TypeSpec HTTP Server JS 在处理复杂 API 定义时更加稳定可靠,为开发者提供了更好的开发体验。
随着 TypeSpec 生态的不断完善,TypeSpec HTTP Server JS 正成为构建类型安全、高效可靠的 JavaScript API 服务的强大工具。新版本中对现代 JavaScript 特性(如 Temporal API)的支持,也体现了项目紧跟语言发展潮流的决心。
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