JSON:API规范中Accept头部多扩展参数的正确语法解析
在JSON:API规范的实际应用中,开发者经常会遇到需要同时使用多个扩展(extensions)的情况。本文将从HTTP协议规范和JSON:API规范两个维度,深入解析Accept头部携带多个扩展参数的正确语法格式。
HTTP协议对媒体类型参数的规定
根据HTTP/1.1规范(RFC 9110),媒体类型参数通常由分号(;)分隔。按照这个规则,直觉上可能会认为每个扩展都应该作为独立的参数列出,例如:
Accept: application/vnd.api+json;ext="https://my-ext1";ext="https://my-ext2"
这种格式在技术上符合HTTP协议对媒体类型参数的基本定义,每个扩展都作为一个独立的ext参数出现。
JSON:API的特殊规范要求
然而,JSON:API规范对ext和profile参数做出了更具体的规定。规范明确指出:
ext和profile参数的值必须是一个用空格(U+0020)分隔的扩展或profile URI列表
这意味着JSON:API规范实际上覆盖了HTTP协议的一般规则,为这些参数定义了特定的序列化格式。正确的语法应该是:
Accept: application/vnd.api+json;ext="https://my-ext1 https://my-ext2"
技术实现要点
-
单一参数原则:ext参数在Accept头部中只能出现一次,所有扩展URI都包含在这个单一参数的值中
-
分隔符要求:扩展URI之间必须使用空格字符(ASCII 32)分隔,不能使用逗号、分号等其他分隔符
-
引号使用:整个扩展列表应该被包含在双引号中,形成一个完整的参数值
-
URI编码:如果扩展URI本身包含空格等特殊字符,需要进行适当的百分号编码
实际应用建议
在实际开发中,建议开发者:
-
使用JSON:API客户端库自动处理这些细节,避免手动构造Accept头部
-
如果需要手动构造,确保严格遵循空格分隔的格式要求
-
在API测试中,特别验证服务器对多扩展Accept头部的处理是否符合预期
-
注意与profile参数的组合使用,这两个参数是独立的,可以同时出现在Accept头部中
理解这些细节对于实现完全兼容JSON:API规范的客户端非常重要,特别是在需要同时使用多个扩展功能的复杂应用场景中。
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