Zod 项目中函数类型推断的实践指南
2025-05-03 07:45:40作者:龚格成
Zod 是一个强大的 TypeScript 模式验证库,它允许开发者定义和验证数据结构。本文将深入探讨如何在 Zod 中正确使用函数类型推断,特别是针对嵌套函数场景的处理方法。
函数类型定义基础
在 Zod 中,我们可以使用 z.function() 来定义函数类型。基本语法如下:
const simpleFunc = z.function()
.args(z.number(), z.string()) // 定义参数类型
.returns(z.boolean()) // 定义返回值类型
.implement((num, str) => { // 实现函数
return num > 0 && str.length > 0;
});
嵌套函数场景分析
在实际开发中,我们经常会遇到需要将函数作为参数传递的情况。这种情况下,我们需要特别注意类型定义的正确性。
错误示范分析
原始问题中的代码尝试定义一个计算器函数,该函数接收两个数字和一个回调函数作为参数。回调函数本身也接收一个数字并返回字符串。虽然思路正确,但在类型推断上存在问题。
正确解决方案
正确的做法是使用 TypeScript 的 ReturnType 工具类型来获取函数的返回类型,而不是直接使用 z.infer:
const cb = () => z.function()
.args(z.number())
.returns(z.string());
const myCalculator = z.function()
.args(z.number(), z.number(), cb())
.returns(z.string())
.implement((a, b, cb) => cb(a + b));
type MyFunctionReturnType = ReturnType<typeof myCalculator>;
// 类型推断为 string
类型推断的深层原理
Zod 的类型系统与 TypeScript 深度集成。当使用 z.function() 时:
.args()方法定义了函数的参数类型.returns()方法定义了函数的返回值类型.implement()方法将类型定义与具体实现绑定
z.infer 通常用于提取 Zod 模式的 TypeScript 类型,但对于函数实现,直接使用 ReturnType 更为合适。
实际应用建议
- 简单函数:直接使用
.implement()并让 TypeScript 自动推断类型 - 复杂函数:先定义类型,再实现函数,确保类型安全
- 回调函数:确保回调函数的定义与使用处的类型一致
总结
Zod 提供了强大的函数类型定义能力,特别是在处理嵌套函数场景时。理解 Zod 的类型推断机制和 TypeScript 的类型系统协同工作方式,可以帮助开发者编写出更加类型安全的代码。记住,对于函数返回类型的提取,ReturnType 工具类型通常是比 z.infer 更合适的选择。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
346
147