eslint-plugin-perfectionist 中 TypeScript 非相对导入的分组优化
在 TypeScript 项目中，我们通常会使用两种导入方式：相对导入和非相对导入。相对导入以./或../开头，而非相对导入则直接引用模块名。eslint-plugin-perfectionist 的sort-imports规则现在可以更智能地区分这两种导入方式，特别是针对基于baseUrl配置的非相对导入。
背景与问题
TypeScript 支持通过tsconfig.json中的baseUrl配置来设置非相对导入的基准路径。例如，当baseUrl设置为src时，我们可以使用import x from 'components/Button'而不是import x from '../../components/Button'。
然而，在之前的版本中，eslint-plugin-perfectionist 将所有非相对导入都归类为"external"（外部）导入组，这会导致项目内部的非相对导入与真正的第三方库导入混在一起，不符合许多开发者的代码组织习惯。
解决方案
新版本引入了"ts-non-relative-imports"这一特殊分组，专门用于识别基于baseUrl配置的项目内部非相对导入。实现这一功能需要：
- 自动检测最近的
tsconfig.json文件 - 解析其中的
baseUrl和paths配置 - 根据这些配置判断导入语句是否属于项目内部
为了优化性能，实现采用了与typescript-eslint类似的缓存机制，确保每个目录的tsconfig.json只被读取一次，避免重复解析带来的性能损耗。
使用建议
现在开发者可以更灵活地配置导入分组顺序。例如，可以将"ts-non-relative-imports"与"parent"、"sibling"等相对导入分组合并，使项目内部的导入保持在一起，而将真正的第三方库导入单独分组。
这种分组方式不仅使代码更整洁，还能帮助开发者快速区分项目内部模块和外部依赖，提高代码可读性和维护性。
技术细节
实现过程中考虑了TypeScript的各种配置情况，包括：
- 基本的
baseUrl配置 - 复杂的
paths路径映射 - 继承的
extends配置 - 多
tsconfig.json文件的场景
通过智能缓存和高效的文件查找算法，确保了这一功能在大型项目中的良好性能表现。
这一改进使得eslint-plugin-perfectionist在TypeScript项目中的导入排序更加精确和实用，是TypeScript开发者提升代码质量的又一有力工具。
相关内容推荐
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
最新内容推荐
项目优选
docs
kernel
pytorch
flutter_flutter
ohos_react_native
ops-math
cangjie_compiler
RuoYi-Vue3torchair
openHiTLS