lint-staged 项目新增对 TypeScript 配置文件的支持
随着 TypeScript 在前端生态中的普及,越来越多的工具开始原生支持 TypeScript 配置文件。近日,流行的 Git 钩子工具 lint-staged 在最新版本 v15.4.0 中正式加入了对 TypeScript 配置文件的支持。
背景与需求
lint-staged 是一个用于在 Git 暂存区文件上运行 linters 的工具,通常用于在提交前自动格式化代码和修复问题。长期以来,它支持 JavaScript 配置文件(如 lint-staged.config.js),但对于使用 TypeScript 的项目,开发者不得不采用变通方案或放弃类型检查的优势。
技术实现方案
在 Node.js 生态中,原生并不支持直接加载 TypeScript 文件。lint-staged 团队考虑了两种实现路径:
- 内置 TypeScript 解析器:需要引入额外的依赖,会增加包体积和复杂度
- 依赖 Node.js 原生能力:利用 Node.js 未来的原生 TypeScript 支持
经过评估,团队选择了第二种方案,这主要基于以下考虑:
- 保持项目轻量,不增加额外依赖
- Node.js 23.6.0 及以上版本已开始原生支持 TypeScript 文件
- 对于旧版本 Node.js,开发者可以通过 ts-node 等工具实现兼容
支持的文件类型
新版本支持以下 TypeScript 配置文件格式:
- lint-staged.config.ts - 标准 TypeScript 配置文件
- lint-staged.config.mts - ES 模块格式的 TypeScript 配置文件
- lint-staged.config.cts - CommonJS 模块格式的 TypeScript 配置文件
使用方法
对于不同环境,开发者可以采用以下配置方式:
Node.js 23.6.0+ 用户: 直接创建 TypeScript 配置文件即可自动识别,无需额外配置。
旧版本 Node.js 用户: 可以通过 ts-node 加载器启用支持:
NODE_OPTIONS="--loader ts-node/esm" npx lint-staged
类型支持说明
虽然支持了 TypeScript 配置文件,但需要注意的是,当前版本尚未提供内置的类型定义。这意味着开发者需要自行确保配置对象的类型正确性。团队表示未来可能会考虑添加 @types/lint-staged 包来完善类型支持。
总结
这一改进显著提升了 TypeScript 项目中使用 lint-staged 的体验,使开发者能够在配置文件中获得类型检查和自动补全等 TypeScript 优势功能。随着 Node.js 对 TypeScript 原生支持的不断完善,预计会有更多工具采用类似的方案来简化 TypeScript 项目的配置工作。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C027
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