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。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00