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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00