Valibot 中如何优雅地扩展已有 Schema 定义
2025-05-30 10:38:44作者:盛欣凯Ernestine
在数据验证库的使用过程中,Schema 的扩展性是一个非常重要的特性。本文将探讨 Valibot 这一新兴验证库中 Schema 扩展的现状与未来发展方向,并对比其与 Zod 在 Schema 扩展方式上的差异。
Schema 扩展的常见需求
在实际开发中,我们经常遇到需要基于已有 Schema 进行扩展的场景。例如:
- 在基础用户信息 Schema 上添加额外的验证规则
- 根据业务需求对已有字段进行增强验证
- 在数据库模型定义的基础上添加前端特定的验证逻辑
这些场景都需要 Schema 具有良好的可扩展性。
Zod 的扩展方式
在 Zod 中,Schema 扩展非常直观。开发者可以直接在已有 Schema 上调用方法进行扩展:
const schema = z.object({
name: z.string()
});
const refinedSchema = schema.refine(...);
这种方式简单直接,保持了 Schema 定义的一致性。
Valibot 的当前实现
目前 Valibot 中要实现类似功能,需要重新定义整个 Schema:
const schema = v.object({
name: v.string()
});
const refinedSchema = v.object({
...schema.entries
}, v.custom(...));
这种方式虽然也能实现功能,但存在以下问题:
- 代码冗余,需要重复定义 Schema 结构
- 维护成本高,当基础 Schema 变更时需要同步修改多处
- 与数据库模型定义等场景集成不够优雅
Valibot 的未来改进
Valibot 团队已经意识到这个问题,并计划在近期推出 pipe 函数来解决 Schema 扩展的需求。新的 API 设计将允许开发者这样使用:
const schema = v.pipe(
v.object({
name: v.pipe(v.string())
})
);
const refinedSchema = v.pipe(schema, v.custom(...));
这种设计具有以下优势:
- 更符合函数式编程思想,通过管道组合各种验证规则
- 支持嵌套使用,可以灵活地在各个层级添加验证
- 保持了 API 的一致性,所有扩展都通过
pipe完成
实际应用建议
对于正在从 Zod 迁移到 Valibot 的开发者,建议:
- 暂时可以通过解构现有 Schema 的方式实现扩展
- 关注 Valibot 的更新,及时采用新的
pipeAPI - 在数据库模型集成等场景下,注意保持单一数据源原则
Valibot 作为一个新兴的验证库,正在快速迭代中。Schema 扩展能力的增强将大大提升其在复杂场景下的适用性,值得开发者持续关注。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
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++
893
676
暂无简介
Dart
802
199
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
350
203
昇腾LLM分布式训练框架
Python
118
147
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
12
1
🔥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
68
20
🎉 (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
1.37 K
781