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。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C089
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0137
Spark-Formalizer-X1-7BSpark-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