Type-Fest 中 RequireAllOrNone 类型工具的可选参数优化
Type-Fest 是一个广受欢迎的 TypeScript 类型工具库,提供了许多实用的高级类型工具。其中 RequireAllOrNone 是一个非常有用的类型工具,它能够强制一个对象类型要么包含所有指定的属性,要么不包含任何指定的属性。
RequireAllOrNone 的基本功能
RequireAllOrNone 类型工具的主要作用是创建一个类型,该类型要求对象要么包含所有指定的属性,要么不包含任何指定的属性。这在处理可选属性组时特别有用,可以避免出现部分属性存在而部分属性缺失的中间状态。
原始的定义形式如下:
type RequireAllOrNone<T, K extends keyof T = never>
当前实现的问题
当前的实现要求必须提供第二个类型参数 K,即需要"全有或全无"的属性键集合。然而在实际使用中,开发者经常需要针对类型 T 的所有属性应用这一约束。
例如,当开发者想要一个类型的所有属性都遵循"全有或全无"规则时,不得不显式地写出:
type MyType = RequireAllOrNone<MyType, keyof MyType>
这显得不够简洁,也增加了使用时的认知负担。
改进方案
社区提出的改进方案是让第二个参数 K 成为可选参数,当不提供时,默认使用 keyof T 作为默认值。这样:
type MyType = RequireAllOrNone<MyType>
将等价于:
type MyType = RequireAllOrNone<MyType, keyof MyType>
这种改进符合 TypeScript 的类型工具设计惯例,也使 API 更加友好和一致。Type-Fest 中的其他类似类型工具(如 RequireAtLeastOne、RequireExactlyOne 等)大多已经采用了这种可选参数的实现方式。
技术实现细节
要实现这一改进,需要修改类型定义为:
type RequireAllOrNone<T, K extends keyof T = keyof T>
这种修改是向后兼容的,不会影响现有代码。当开发者需要指定特定的属性子集时,仍然可以显式提供第二个参数;当需要针对所有属性时,则可以省略第二个参数。
实际应用场景
这种改进在实际开发中有多种应用场景:
-
配置对象类型:当定义一个配置对象类型时,可能希望某些相关配置项要么全部提供,要么全部不提供。
-
API 响应类型:在处理 API 响应时,某些字段可能作为一组出现或完全不出现。
-
表单数据类型:在表单处理中,某些字段组可能需要整体存在或不存在。
改进后的 RequireAllOrNone 使这些场景的类型定义更加简洁明了。
总结
Type-Fest 库对 RequireAllOrNone 类型的这一改进,体现了 TypeScript 类型工具设计的实用性和一致性原则。通过使第二个参数可选,不仅提高了 API 的易用性,也保持了与其他类似类型工具的一致性。这种改进虽然看似微小,但对于提升开发者体验和代码可读性有着实际的价值。
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