TypeSpec 0.67.0 版本发布:重大变更与全新特性解析
TypeSpec 是一个用于定义 API 和服务的强类型规范语言,它允许开发者以声明式的方式描述 API 的结构和行为。最新发布的 0.67.0 版本带来了多项重要变更和新特性,标志着 TypeSpec 向 1.0 稳定版迈出了坚实的一步。
重大变更与迁移指南
1. 移除已弃用功能
本次版本清理了大量已标记为弃用的功能,开发者需要特别注意以下迁移:
- 废弃的
@deprecated装饰器已被移除,改用#deprecated指令 @service的versions支持已被移除,建议迁移到@OpenAPI.info或版本控制库@knownValues装饰器被移除,改用联合类型替代@projectedName被@encodedName取代- 不再支持
.cadl文件扩展名,统一使用.tsp
2. 编译器 API 重构
编译器 API 进行了重大调整,将 AST 相关 API 移至 @typespec/compiler/ast 包中,以明确区分稳定 API 和可能变更的高级 API。同时,许多内部 API 不再对外暴露,开发者应检查是否使用了这些 API 并寻找替代方案。
3. 最低 Node.js 版本要求提升
TypeSpec 现在要求 Node.js 20 或更高版本,开发者需要升级本地开发环境。
4. HTTP 库改进
HTTP 相关库进行了多项改进:
- 移除了
format选项,改用explode选项 shared路由选项被@sharedRoute装饰器取代- 默认内容类型解析逻辑变更,更符合 HTTP 规范
重要新特性
1. JS HTTP 客户端发射器
新增了 JS HTTP 客户端发射器,能够直接从 TypeSpec 定义生成 JavaScript HTTP 客户端代码,大大简化了前端与 API 的集成工作。
2. 媒体类型提示
引入了 @mediaTypeHint 装饰器,允许开发者显式指定类型的默认媒体类型(MIME 类型),这在处理非 JSON 数据时特别有用。
3. 模拟运行模式
新增了 dryRun 编译器选项,允许发射器在不实际写入文件的情况下运行,便于测试和验证。
4. 包管理器支持改进
tsp install 现在会自动检测并使用项目中配置的包管理器(通过 devEngines.packageManager 或 package.json 的 packageManager 字段指定),确保依赖安装的一致性。
开发者工具改进
VS Code 扩展获得了多项增强:
- 支持同时选择多个发射器生成代码
- 改进了"创建 TypeSpec 项目"的用户体验
- 新增 OpenAPI3 预览功能
- 增加了遥测支持,帮助改进工具质量
总结
TypeSpec 0.67.0 版本是一个重要的里程碑,通过清理技术债务、改进核心功能和增强开发者体验,为即将到来的 1.0 版本奠定了坚实基础。开发者应仔细检查项目中的已弃用功能使用情况,并按照迁移指南进行更新。新加入的 JS HTTP 客户端发射器和媒体类型提示等特性,将进一步简化 API 开发流程,提升开发效率。
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