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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00