推荐项目:flow-jsdoc —— 一次注释,双重收益
2024-05-26 21:52:15作者:董宙帆
项目介绍
flow-jsdoc 是一个命令行工具,它能将标准的 JSDoc 注释转换为 Flow 的类型注解。这意味着你可以只在一个地方——JSDoc 中记录你的类型信息,就能享受到 Flow 提供的静态类型检查的优势,而无需通过转译器或使用特殊的评论语法。
项目技术分析
flow-jsdoc 支持多种函数表示形式以及 ES6 类型,并且能够处理 @param 和 @return 等 JSDoc 标签,将其映射为 Flow 类型注解。例如:
// JSDoc 形式
/**
* @param {Foobar[]} bar A foobar array
* @param {Function} baz
* @return {number}
*/
function foo(bar, baz) {
return 42;
}
// 转换后的 Flow 形式
function foo(bar: Array<Foobar>, baz: Function): number {
return 42;
}
此外,该工具还支持简洁的内联注释风格,方便对那些没有 JSDoc 但需要类型定义的函数进行快速注解。
应用场景
使用 flow-jsdoc 可以使类型检查变得如同运行 linter 一样简单。只需将你的代码库进行注解,然后执行以下命令,即可获取潜在的类型错误:
$ flow-jsdoc -d ./lib -o ./annotated
$ flow check --all ./annotated
项目特点
- 单一注解源: 使用 JSDoc 作为唯一的类型注解源,避免重复工作。
- 无须转译: 直接在原生 JavaScript 代码上应用 Flow 类型检查,无需 Babel 等转译步骤。
- 简洁内联注释: 对于小型函数,可使用简单的内联注释添加类型信息。
- 命令行与 API 支持: 既可以通过 CLI 处理单个文件,也可以批量处理目录并输出结果;同时提供 JS API 方便集成到现有构建流程中。
- 良好的类型映射: 已实现包括数组、对象、联合类型和可选参数在内的多种 JSDoc 类型到 Flow 类型的转换。
发展方向
flow-jsdoc 计划在未来支持更多特性,如处理记录类型、自动引入未明确导入的类型、处理类型定义和回调函数类型等。
总结,如果你希望在不改变原有代码风格的前提下,利用 Flow 增强代码的类型安全性,flow-jsdoc 将是一个理想的选择。立即尝试,让静态类型检查成为你的开发流程的一部分吧!
$ npm install -g flow-jsdoc
$ flow-jsdoc -h # 查看帮助信息
登录后查看全文
热门项目推荐
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
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
421
3.22 K
Ascend Extension for PyTorch
Python
230
261
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++
689
330
暂无简介
Dart
685
160
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
React Native鸿蒙化仓库
JavaScript
266
326
🔥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
65
19
🎉 (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
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869