Orval v7.6.0 版本发布:全面增强类型安全与开发体验
Orval 是一个强大的 OpenAPI/Swagger 客户端代码生成工具,能够根据 API 规范自动生成类型安全的客户端代码。最新发布的 7.6.0 版本带来了多项重要改进,特别是在类型安全、Zod 集成和开发体验方面有了显著提升。
核心功能增强
1. 原生枚举类型支持优化
本次更新对原生枚举类型的处理进行了重要调整。在之前的版本中,枚举类型的处理可能存在一些边界情况的问题。新版本通过重构枚举处理逻辑,确保了在各种复杂场景下都能正确生成枚举类型定义,特别是在处理嵌套枚举或联合枚举时更加可靠。
2. 类型系统改进
类型系统方面有两个重要改进:
- 修复了在合并必需属性时可能出现的问题,现在能够正确处理已经标记为必需的属性,避免生成冗余的类型定义
- 移除了类型定义中的
any类型,进一步增强了生成的代码的类型安全性
3. 命名约定自定义支持
新增了命名约定配置选项,开发者现在可以自定义生成代码中的命名风格。这一特性对于需要遵循特定代码风格指南的团队特别有用,可以确保生成的代码与现有代码库风格一致。
Zod 集成深度优化
1. 默认 Zod 支持
7.6.0 版本将 Zod 支持提升到了新高度,现在可以更简单地启用 Zod 验证。通过配置即可自动为所有生成的类型添加 Zod 验证模式,大大简化了 API 请求和响应数据的验证流程。
2. 多部分表单支持
新增了对 multipart/form-data 内容的 Zod 验证支持,这对于文件上传等场景特别重要。生成的代码现在能够正确验证包含文件和其他字段的表单数据。
3. 鉴别器严格模式
在使用鉴别器(discriminator)时,现在会自动启用 Zod 的严格模式,确保鉴别字段被正确处理。这一改进解决了之前版本中可能出现的类型验证不严格的问题。
开发体验提升
1. 状态码分离响应类型
一个显著的改进是现在会根据不同的 HTTP 状态码生成独立的响应类型。这意味着开发者可以更精确地处理不同状态码对应的响应数据,提高了代码的可读性和类型安全性。
2. 常量对象生成
对于使用常量模式定义的 Schema,现在会生成对应的常量对象。这一特性减少了运行时计算,提高了性能,同时也使代码更加清晰。
3. 自定义验证规则集
新增了提供自定义验证规则集的能力,开发者可以根据项目需求定义自己的验证规则,然后应用到生成的代码中。这一特性为有特殊验证需求的场景提供了灵活性。
问题修复与稳定性提升
除了新功能外,7.6.0 版本还修复了多个问题:
- 修复了 Safari 17.0 以下版本的参数序列化问题
- 改进了模型名称以下划线开头的处理
- 修复了组合路由中的语法错误
- 改进了工作区设置中对现有索引文件的处理
- 解决了 MSW 在处理嵌套 allOf 时的问题
总结
Orval 7.6.0 版本在类型安全、Zod 集成和开发体验方面都做出了重要改进。这些变化使得生成的客户端代码更加健壮、类型更加精确,同时也为开发者提供了更多的配置选项和更好的开发体验。特别是对 Zod 的深度集成,使得 API 数据的验证变得更加简单和可靠。对于正在使用或考虑使用 Orval 的团队来说,这个版本值得升级。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
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