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 StartedRust098- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00