Ezno 项目中 `never` 类型的解析与实现问题分析
2025-06-29 02:52:40作者:鲍丁臣Ursa
在 TypeScript 类型系统中,never 类型是一个特殊的基础类型,它表示永远不会发生的值的类型。在 Ezno 这个类型检查器的实现过程中,开发团队发现了一个关于 never 类型的有趣问题。
问题现象
当开发者尝试在 Ezno 中使用 never 类型时,例如在以下代码中:
function loops(): never {
while (true);
}
loops() satisfies never
Ezno 类型检查器会报错:"Cannot find type never"。这表明虽然 never 类型在 TypeScript 中是基础类型,但在 Ezno 的实现中却无法被正确识别。
问题根源分析
深入 Ezno 的源代码后,我们发现问题的本质在于类型系统的实现机制。Ezno 中有三种关键数据结构需要协同工作:
- 固定 TypeId 声明:在类型模块中预定义了如
string、any、Array等基础类型,每个类型都有一个固定的 TypeId - 类型存储:在全局类型存储中,这些基础类型被存储在特定索引位置
- 根上下文命名:在根上下文中注册了这些类型的名称
问题出在第三部分 - never 类型虽然在前两部分都有定义(在类型存储中位于索引1的位置),但没有在根上下文中注册其名称,导致类型解析时无法通过名称找到对应的类型。
解决方案探讨
有两种可能的解决方案:
- 在根上下文中注册
never名称:这是最直接的修复方式,确保类型名称解析能正常工作 - 特殊处理类型名称查找:在类型注解的名称查找阶段,对
never进行特殊处理,直接映射到对应的 TypeId
经过与 TypeScript 行为的对比测试,发现 TypeScript 将 never 视为关键字,不允许用户定义同名的类型参数或类型别名。因此第二种方案更符合 TypeScript 的语义,也更合理。
延伸讨论:无限循环与 never 类型
TypeScript 能够通过控制流分析识别无限循环函数的返回类型为 never 而非 void。要实现这一功能,Ezno 需要在迭代语句分析模块中加入以下能力:
- 检测明显无限循环(如
while(true)) - 检测明显不会执行的循环(如
while(false)) - 更复杂的控制流分析(受限于停机问题,无法覆盖所有情况)
这部分功能需要单独实现,属于类型系统与控制流分析的交叉领域。
总结
never 类型的正确处理是类型系统实现中的重要细节。Ezno 项目通过这次问题修复:
- 完善了基础类型的名称解析机制
- 保持了与 TypeScript 的语义一致性
- 为后续的控制流分析功能奠定了基础
这个案例展示了类型检查器实现中类型定义、类型存储和名称解析三者之间需要保持一致的复杂性,也为理解静态类型系统的内部工作机制提供了很好的示例。
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
Ascend Extension for PyTorch
Python
223
246
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
暂无简介
Dart
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
135
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218