Hoppscotch 2025.1.0 版本发布:GraphQL文档一键生成与AI智能命名
Hoppscotch 是一个开源的 API 开发工具,它提供了轻量级、快速且美观的界面来测试 HTTP/HTTPS 请求。作为 Postman 的替代品,Hoppscotch 以其简洁的界面和强大的功能赢得了开发者的青睐。最新发布的 2025.1.0 版本带来了多项实用功能更新,特别是对 GraphQL 开发体验的优化和 AI 辅助功能的增强。
GraphQL 文档一键生成
新版本最引人注目的功能是 GraphQL 文档的一键生成能力。这项功能允许开发者直接从 GraphQL 文档生成可执行的查询语句,极大地简化了 GraphQL API 的测试流程。
在实际开发中,GraphQL 的文档通常包含了类型定义、查询和变更操作等信息。传统方式下,开发者需要手动将这些文档内容转换为可执行的查询语句。而 Hoppscotch 2025.1.0 版本通过智能解析 GraphQL 文档,自动生成可直接执行的查询代码,减少了手动转换的工作量和出错可能性。
这项功能特别适合以下场景:
- 快速测试新开发的 GraphQL API
- 验证文档与实际 API 实现的一致性
- 为已有 API 创建测试用例
AI 辅助的请求命名方案
2025.1.0 版本引入了 AI 辅助的请求命名功能,允许用户指定自定义的请求重命名风格。这一功能通过智能算法分析请求内容,生成符合用户偏好或团队规范的命名方案。
在实际团队协作中,API 请求的命名一致性是一个常见痛点。不同的开发者可能有不同的命名习惯,导致项目中的请求名称风格各异。Hoppscotch 的 AI 命名辅助功能可以:
- 根据请求方法、路径和参数自动生成有意义的名称
- 支持用户自定义命名规则和风格
- 保持团队内部命名的一致性
- 减少手动命名的时间和认知负担
企业版功能增强
针对企业用户,2025.1.0 版本带来了两项重要的管理功能:
-
活动日志:提供了完整的操作记录,方便团队管理员追踪成员的操作历史。这对于审计和安全合规尤为重要。
-
SCIM 集成:支持 System for Cross-domain Identity Management (SCIM) 协议,实现了用户配置的自动化管理。企业 IT 管理员可以通过现有的身份提供商系统直接管理 Hoppscotch 的用户账户,简化了用户生命周期管理流程。
其他改进与修复
除了上述主要功能外,该版本还包含多项改进和错误修复:
- 修复了 Postman 导入时的授权层级问题
- 增加了重复响应名称的警告提示
- 解决了测试运行器中的模式生成问题
- 更新了捷克语、巴西葡萄牙语和土耳其语的本地化翻译
- 实施了多项安全补丁,增强了依赖链的安全性
总结
Hoppscotch 2025.1.0 版本通过 GraphQL 文档一键生成和 AI 辅助命名等创新功能,进一步提升了 API 开发的效率和体验。对于 GraphQL 开发者来说,文档到可执行代码的自动转换大大简化了测试流程;而 AI 命名辅助则为团队协作提供了更一致的命名规范。企业用户则可以从增强的管理功能中受益,特别是活动日志和 SCIM 集成为大规模团队管理提供了更好的支持。
这些更新体现了 Hoppscotch 项目团队对开发者体验的持续关注,以及对现代 API 开发工作流程的深刻理解。随着这些新功能的加入,Hoppscotch 作为开源 API 工具的地位将更加稳固,为开发者提供更加强大且易用的工具选择。
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