oRPC v0.28.0发布:端到端类型安全的错误处理机制
oRPC是一个现代化的RPC框架,专注于为TypeScript开发者提供类型安全的远程过程调用体验。在最新发布的v0.28.0版本中,oRPC引入了一个令人兴奋的新特性——端到端类型安全的错误处理机制,这极大地提升了开发者在处理API错误时的开发体验。
类型安全的错误处理
新版本的核心特性是引入了完全类型化的错误处理系统。开发者现在可以明确定义API可能抛出的各种错误类型及其数据结构,这些类型信息会在整个调用链中保持完整,从后端到前端都能获得完全的类型提示。
const createPost = os
.errors({
CONFLICT: {
data: z.object({
why: z.string(),
}),
},
})
.handler(({ errors }) => {
throw errors.CONFLICT({ data: { why: 'some reason' } })
})
在这个示例中,我们定义了一个createPost操作,它可能抛出CONFLICT错误,并且这个错误携带一个包含why字符串字段的数据对象。通过这种方式,错误类型和数据结构都被明确地定义和类型化。
客户端错误处理
在客户端,开发者可以方便地处理这些类型化的错误:
const [data, error] = await safe(createPost({ title: 'title' }))
if (error && isDefinedError(error)) {
const data = error.data // 类型安全地访问错误数据
}
对于使用React Query的开发者,错误处理也同样简单:
const mutation = useMutation(orpc.createPost.mutationOptions({
onError(error) {
if (isDefinedError(error)) {
const data = error.data // 类型安全地访问错误数据
}
},
}))
架构调整
为了简化维护和提升稳定性,v0.28.0版本做出了一些架构调整:
-
移除了
@orpc/react包,因为它的维护复杂度较高,而@orpc/react-query提供了更简单且功能相同的解决方案。 -
暂时移除了
@orpc/next包,这是由于Next.js中存在一些意外行为导致的。开发团队正在与Next.js团队合作解决这些问题,计划在未来的oRPC版本中重新引入这个包。
技术价值
这个版本的更新为开发者带来了几个重要的技术优势:
-
更好的开发体验:类型安全的错误处理减少了运行时错误,IDE可以提供更好的代码补全和类型检查。
-
更健壮的代码:明确定义的错误类型使开发者能够更全面地处理各种错误场景。
-
前后端一致性:错误类型和数据结构的定义在后端和前端保持一致,减少了沟通成本和潜在的错误。
-
简化维护:通过移除复杂度高的包,框架变得更加精简和易于维护。
oRPC v0.28.0的这些改进展示了团队对开发者体验和代码质量的持续关注,为构建更可靠、更易维护的应用程序提供了坚实的基础。
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