Orval v7.5.0 版本发布:全面优化与功能增强
Orval 是一个强大的 OpenAPI/Swagger 客户端代码生成工具,能够根据 API 规范自动生成类型安全的客户端代码。它支持多种前端框架和库,包括 React、Vue、Angular 等,并提供了丰富的配置选项来满足不同项目的需求。最新发布的 v7.5.0 版本带来了一系列重要的改进和新特性,进一步提升了开发体验和代码质量。
核心功能优化
在核心功能方面,v7.5.0 版本进行了多项重要改进:
-
数组类型模式组合:现在能够正确处理数组类型的模式组合,确保生成的类型定义更加准确。
-
必填属性处理:改进了 allOf 对象中必填属性的导出方式,确保生成的类型定义包含所有必需的属性。
-
参数计数处理:优化了自定义实例返回 useCallback 时的参数计数处理,避免了潜在的错误。
-
操作生成逻辑:修复了当操作具有多个标签时可能生成重复操作的问题,确保每个操作只生成一次。
-
枚举属性处理:改进了原生枚举属性的处理方式,使用
keyof typeof语法来确保类型安全。
Hono 客户端增强
针对 Hono 客户端,v7.5.0 版本引入了多项改进:
-
自定义验证器:新增了
hono.validator选项,允许开发者自定义验证逻辑,提供了更大的灵活性。 -
验证器导入优化:减少了不必要的
zValidator导入,使生成的代码更加简洁高效。 -
复合路由生成:新增了生成复合路由的能力,使得在 Hono 中组织和管理路由更加方便。
-
标签模式优化:在标签模式下移除了不必要的手柄导入,减少了代码冗余。
Mock 和测试改进
在 Mock 和测试方面,v7.5.0 版本也进行了多项优化:
-
MSW 处理改进:正确支持整数枚举的处理,并简化了组合逻辑,使 Mock 数据更加准确。
-
类型导入优化:避免了值和类型的重复导入,提高了代码的可读性和维护性。
-
Mock 标量值:确保
getMockScalar尊重 int64 格式的自定义覆盖,使 Mock 数据更加符合实际场景。 -
MSW 索引文件:在拆分标签模式下创建导出 MSW 的索引文件,方便管理和使用 Mock 服务。
其他重要改进
-
参数序列化文档:更新了参数序列化的相关文档,帮助开发者更好地理解和使用这一功能。
-
Fetch 客户端增强:改进了当 body 不存在时的错误处理,并确保
responseDataType不为空,提高了客户端的健壮性。 -
查询库修复:解决了在使用自定义 mutation 时可能破坏
TData类型检查的回归问题。 -
类型导出:现在可以从
@orval/core导出类型,方便在其他地方重用。 -
模型名称净化:新增了模型名称的净化功能,确保生成的代码更加规范和可读。
-
类型排序修复:移除了可能导致问题的生成类型排序,确保生成的代码更加稳定。
总结
Orval v7.5.0 版本通过一系列的核心优化、Hono 客户端增强和 Mock 测试改进,进一步提升了代码生成的质量和开发体验。这些改进不仅解决了多个已知问题,还引入了新的功能特性,使 Orval 成为一个更加强大和可靠的 API 客户端生成工具。无论是对于新项目还是现有项目的升级,v7.5.0 版本都值得开发者考虑采用。
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