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。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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-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
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