Angular-ESLint v20.0.0 发布:全面拥抱 Angular 20 时代
Angular-ESLint 是专为 Angular 项目设计的 ESLint 插件集合,它通过一系列定制化的规则和工具,帮助开发者保持 Angular 代码的一致性和最佳实践。随着 Angular 20 的发布,Angular-ESLint 也迎来了 v20.0.0 的重大更新。
核心升级:支持 Angular 20
本次版本最重要的变化是全面适配 Angular 20。作为配套工具,Angular-ESLint 需要与 Angular 核心版本保持同步,以确保所有规则和解析器都能正确处理 Angular 20 引入的新特性和语法变化。
开发者可以通过运行以下命令一次性更新 Angular 核心、CLI 和 Angular-ESLint:
ng update @angular/core @angular/cli angular-eslint
规则集的重要调整
新增推荐规则:prefer-inject
prefer-inject 规则现已被加入推荐配置。这条规则鼓励开发者使用 Angular 的依赖注入系统,而不是直接实例化服务。这有助于保持代码的可测试性和松耦合性。
移除不再推荐的规则
两个类后缀相关的规则 component-class-suffix 和 directive-class-suffix 已从推荐配置中移除。这表明 Angular 社区对这些命名约定的态度变得更加灵活。
规则行为的改进
sort-keys-in-type-decorator 规则的增强
sort-keys-in-type-decorator 规则的默认排序现在包含了所有已知的装饰器键。这一变化虽然带来了破坏性更新,但确保了规则能覆盖更多场景,提供更全面的代码风格指导。
prefer-standalone 规则的优化
prefer-standalone 规则的自动修复功能已调整为建议模式,并提供了更详细的参考指南。这一变化使规则在强制执行独立组件风格时更加灵活和友好。
模板解析器的重大变化
模板解析器现在默认不再抑制解析错误。这意味着开发者将看到更多来自模板的真实错误信息,有助于及早发现问题。虽然这可能导致现有项目中突然出现更多错误提示,但从长远看有利于提高代码质量。
升级建议
对于正在使用 Angular-ESLint 的团队,建议:
- 首先确保项目已升级到 Angular 20
- 使用
ng update命令进行自动化迁移 - 仔细检查新出现的 lint 错误,特别是来自模板解析器的错误
- 评估新推荐规则对项目的影响
- 根据团队需求调整规则配置
这次更新标志着 Angular-ESLint 与 Angular 生态系统的进一步融合,为开发者提供了更强大、更精确的工具来维护高质量的 Angular 代码库。
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