EntityFramework Core 9.0 自动编译模型的多项目解决方案实践
在 EntityFramework Core 9.0 中,微软引入了 MSBuild 集成功能,旨在简化 EF Core 模型的编译过程。然而,当开发者在多项目解决方案中使用 EF Core 时,特别是当上下文被多个"启动项目"(如 API 项目和 Worker 项目)共享时,会遇到一些配置挑战。
自动编译模型的演进
最初,EF Core 9.0 的设计允许通过指定启动项目来配置上下文。但在实际使用中发现,这种方法在某些复杂解决方案中会导致构建依赖循环问题,这些问题不仅难以诊断,有时甚至无法解决。因此,EF Core 团队移除了通过启动项目指定配置的功能。
多项目环境下的解决方案
当 EF Core 上下文被多个项目共享时,推荐的解决方案是使上下文项目在配置方面自给自足。这意味着上下文项目不应该依赖外部项目提供的配置信息。
实现自给自足的上下文配置
要实现这一点,开发者需要在上下文项目中实现 IDesignTimeDbContextFactory<TContext> 接口。这个接口允许在设计和迁移时创建上下文实例,而不依赖于应用程序的启动配置。
public class MyDbContextFactory : IDesignTimeDbContextFactory<MyDbContext>
{
public MyDbContext CreateDbContext(string[] args)
{
var optionsBuilder = new DbContextOptionsBuilder<MyDbContext>();
optionsBuilder.UseSqlServer("YourConnectionString");
return new MyDbContext(optionsBuilder.Options);
}
}
实践建议
-
集中配置:将数据库连接字符串和其他关键配置放在上下文项目中,或者使用环境变量等与项目无关的配置方式。
-
避免外部依赖:确保上下文项目不依赖于特定应用程序项目的配置逻辑。
-
测试验证:在实现后,运行迁移命令验证配置是否正确工作。
-
安全考虑:如果使用硬编码的连接字符串,确保不会将敏感信息提交到源代码控制。
总结
在多项目解决方案中使用 EF Core 9.0 的自动编译模型功能时,开发者应该采用上下文项目自给自足的配置策略。通过实现 IDesignTimeDbContextFactory<TContext> 接口,可以避免构建依赖循环问题,同时保持代码的整洁和可维护性。这种方法不仅解决了多启动项目的问题,还提高了上下文项目的独立性和可重用性。
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