OpenAPI TypeScript 项目中的不可变数组类型支持
在 TypeScript 开发中,不可变数据结构对于保证代码的稳定性和可预测性非常重要。OpenAPI TypeScript 项目作为一个能够将 OpenAPI 规范转换为 TypeScript 类型的工具,近期对其不可变类型支持进行了重要增强。
不可变类型的重要性
不可变数据结构是现代前端开发中的重要概念。它们能够:
- 防止意外的数据修改
- 简化状态管理
- 提高代码的可预测性
- 便于调试和追踪数据变化
在 OpenAPI TypeScript 项目中,通过 --immutable 标志可以生成不可变类型,但之前的版本存在一个局限性:虽然对象属性被标记为 readonly,但数组内容仍然可以被修改。
问题分析
考虑以下 OpenAPI 规范片段:
{
"Test": {
"type": "object",
"properties": {
"Foo": {
"type": "array",
"items": {
"type": "string"
}
}
}
}
}
在 7.0.0-next.7 版本中,生成的类型是:
Test: {
readonly Foo: string[];
}
虽然 Foo 属性本身是只读的,但数组内容仍然可以被修改,例如通过 push()、pop() 等方法。这破坏了真正的不可变性。
解决方案实现
最新版本的 OpenAPI TypeScript 已经解决了这个问题,现在会生成以下两种等效形式之一:
Test: {
readonly Foo: readonly string[];
}
或者
Test: {
readonly Foo: ReadonlyArray<string>;
}
这两种形式在 TypeScript 中是等价的,都能确保数组内容不可变。ReadonlyArray 类型移除了所有会修改数组内容的方法,如 push()、pop()、splice() 等,只保留了不会修改原数组的方法如 map()、filter() 等。
技术实现细节
这一改进主要涉及对数组类型生成的修改。在代码层面,主要调整了 schema 对象转换逻辑中处理数组类型的部分。开发者现在可以确保通过 OpenAPI TypeScript 生成的不可变类型是真正不可变的,包括嵌套的数组结构。
使用建议
对于大多数 API 响应数据,推荐使用不可变类型:
- 它能更好地反映 API 响应的本质(通常不应被修改)
- 提高代码的稳定性
- 简化状态管理
对于需要修改数据的场景(如准备请求数据),可以:
- 使用类型断言(谨慎使用)
- 创建新的数据结构副本
- 使用专门的工具库处理不可变数据
总结
OpenAPI TypeScript 的这一改进使得生成的类型更加严格和安全,特别是对于不可变数据结构。开发者现在可以放心地使用生成的类型,确保数据的真正不可变性,从而编写出更健壮、更易维护的代码。
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