Orval v7.4.0 版本发布:API 客户端生成工具的重大更新
Orval 是一个强大的 API 客户端生成工具,它能够根据 OpenAPI/Swagger 规范自动生成类型安全的 API 客户端代码。这个工具特别适合前端开发团队,可以显著减少手动编写 API 调用代码的工作量,同时确保类型安全。最新发布的 v7.4.0 版本带来了一系列功能增强和错误修复,进一步提升了开发体验。
核心功能改进
1. 属性排序功能
新版本引入了属性排序功能,使得生成的代码更加整洁有序。这个功能特别适用于大型 API 项目,可以帮助开发者更快速地定位和理解生成的代码结构。属性排序不仅提升了代码的可读性,也使得团队协作更加高效。
2. 服务器字段支持
Orval 现在能够正确处理 OpenAPI 规范中的 servers 字段。这意味着生成的客户端代码将能够更好地处理不同环境(如开发、测试、生产)的 API 端点配置,为多环境部署提供了更好的支持。
3. 类型文档生成
一个值得注意的新特性是能够生成 TypeDoc 格式的 API 文档。这使得开发者可以直接从生成的代码中获得详细的 API 文档,无需额外维护文档系统。生成的文档包含了完整的类型信息和方法说明,极大地提升了开发体验。
类型系统增强
1. 数组类型处理改进
当数组定义中没有明确指定 items 类型时,Orval 现在会默认使用 unknown[] 类型,而不是简单地忽略这种情况。这种处理方式更加符合 TypeScript 的类型安全原则,减少了潜在的运行时错误。
2. 枚举类型处理优化
对于包含 null 值的枚举类型,现在会正确地添加 "| null" 联合类型。同时,对于原生枚举类型,现在会使用 keyof typeof 语法,确保类型检查更加准确。这些改进使得枚举类型的使用更加符合 TypeScript 的最佳实践。
3. 表单数据类型修正
修复了表单数据(FormData)类型中可能出现的 undefined 类型问题。现在生成的代码会正确处理表单数据的类型定义,避免了潜在的类型错误。
客户端生成改进
1. Fetch 客户端增强
Fetch 客户端现在提供了更完善的类型支持:
- 响应数据现在包含完整的类型信息
- 错误类型被正确地包含在响应数据类型中
- 对于没有内容的响应体,避免了不必要的异常
- 新增了对 NDJSON 响应类型的支持
这些改进使得生成的 Fetch 客户端更加健壮和类型安全,特别是在处理各种边缘情况时表现更好。
2. 查询库集成优化
对于使用 React Query 或 Vue Query 的开发者,新版本带来了以下改进:
- 为突变操作添加了默认的 mutation key
- 为突变钩子添加了 TData 泛型支持
- 确保当 allParamsOptional 为 true 时,定义具有可选类型
这些改进使得与流行状态管理库的集成更加无缝,提供了更好的开发体验。
错误修复与稳定性提升
v7.4.0 版本修复了多个关键问题,包括:
- 修复了头参数作为引用时生成不正确的问题
- 修正了模式过滤器未定义时的模式生成行为
- 解决了重命名枚举被旧名称使用的问题
- 修复了 Mock 处理程序中的导入问题
- 修正了 MSW 模拟中的对象语法错误
这些修复显著提升了工具的稳定性和可靠性,使得生成的代码质量更高。
总结
Orval v7.4.0 版本带来了多项重要改进,特别是在类型系统、文档生成和客户端功能方面。这些更新不仅提升了开发体验,也使得生成的代码更加健壮和类型安全。对于正在使用或考虑使用 API 客户端生成工具的团队来说,这个版本值得升级。
新加入的 TypeDoc 文档生成功能特别有价值,它能够自动为生成的 API 客户端创建详细的文档,减少了维护文档的额外工作。同时,对 Fetch 客户端的多项增强使得生成的代码能够更好地处理各种实际场景。
随着这些改进,Orval 继续巩固其作为 API 客户端生成工具领先选择的地位,为前端开发者提供了高效、可靠的解决方案。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00