Valibot 中如何优雅地扩展已有 Schema 定义
2025-05-30 13:50:13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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
177
195
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++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
270
93
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
378
3.33 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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