Apollo iOS 中关于废弃类型标记问题的技术解析
在 Apollo iOS 1.15.3 版本中,开发者发现了一个关于 GraphQL 废弃标记在代码生成中的行为差异问题。这个问题涉及到 GraphQL 模式中废弃字段和废弃类型在生成的 Swift 代码中的不同处理方式。
问题背景
在 GraphQL 模式定义中,开发者可以使用 @deprecated 指令来标记不再推荐使用的字段或枚举值。当这些被标记的元素在客户端代码中被使用时,理想情况下应该能够通过编译警告来提醒开发者迁移到新的替代方案。
在 Apollo iOS 的代码生成过程中,对于字段级别的废弃标记(如对象类型的字段)能够正确地在生成的 Swift 代码中添加 @available(*, deprecated) 标记。然而,当整个操作(如查询、变更或订阅)被废弃时,生成的 Swift 操作类型本身却没有被标记为废弃。
技术细节分析
这个问题本质上反映了 GraphQL 规范与客户端实现之间的理解差异。在 GraphQL 规范中,@deprecated 指令只能应用于字段定义、参数定义、输入字段定义和枚举值,而不能直接应用于类型定义或操作定义。
在 Apollo iOS 的实现中,代码生成器会为每个 GraphQL 操作生成一个对应的 Swift 类型。当这些操作引用了被废弃的字段时,生成器会正确地在字段访问器上添加废弃标记,但不会将整个操作类型标记为废弃。
解决方案探讨
经过项目维护团队的深入讨论,认为当前的行为是符合设计意图的。主要基于以下几点考虑:
-
一个操作可能包含多个字段,其中只有部分字段被废弃。将整个操作类型标记为废弃会影响那些只使用非废弃字段的合法用例。
-
在 GraphQL 模式中,废弃标记应用于字段而非操作本身。客户端代码生成应该准确反映这一语义。
-
对于需要强制迁移废弃操作的使用场景,可以通过其他工具(如 SwiftLint)来实现自定义规则检查,而无需修改核心代码生成逻辑。
实践建议
对于希望确保代码库中不使用任何废弃 GraphQL 操作的开发者,可以采用以下解决方案:
-
使用 SwiftLint 或其他代码检查工具,设置自定义规则来检测生成的 Swift 文件中包含 @available(*, deprecated) 标记的情况。
-
在持续集成流程中添加检查步骤,确保不会提交包含废弃操作引用的代码。
-
对于需要逐步迁移的场景,可以利用现有的字段级废弃标记,逐个替换对废弃字段的引用。
这种设计决策体现了 Apollo iOS 团队在保持核心功能简洁性和支持特殊用例之间的平衡考虑,同时也为开发者提供了通过生态系统工具扩展功能的灵活性。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00