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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0213
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0138
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03