ASP.NET Core 10.0 Preview 2 版本深度解析
ASP.NET Core 是微软推出的开源跨平台Web框架,它构建在.NET Core运行时之上,为开发者提供了构建现代云原生应用的高性能平台。本次发布的10.0 Preview 2版本带来了多项改进和新特性,体现了微软对开发者体验和框架性能的持续优化。
核心改进与特性
1. 身份验证与授权增强
框架在身份验证和授权方面进行了多项改进,包括更清晰的API文档和更合理的参数命名。UserLoginInfo类现在采用了更一致的参数命名规范,使得API使用更加直观。此外,还新增了身份验证和授权相关的度量指标,帮助开发者更好地监控应用的安全性能。
2. 性能优化
本次预览版包含多项性能优化措施:
- DefaultKeyResolver现在只计算一次日期,减少了重复计算的开销
- 改进了EventCallback.Equals方法的实现,提升了Blazor组件的渲染效率
- 优化了流处理中的CancellationTokenSource管理,确保资源及时释放
3. Blazor改进
Blazor作为ASP.NET Core的重要部分,在这个版本中获得了多项增强:
- QuickGrid组件新增了关闭列选项UI的公共方法,提升了组件可控性
- 修复了NavigateTo在内部导航到相同URL时不滚动到顶部的问题
- 改进了NavLink的ShouldMatch行为,默认忽略查询字符串和片段标识
- 模板中新增了重新连接UI组件,改善了离线体验
4. OpenAPI/Swagger支持
框架对OpenAPI规范的支持有了显著提升:
- 升级到OpenAPI.NET v2.0.0-preview7
- 现在能够自动将XML文档注释填充到OpenAPI文档中
- 改进了对自引用模式集合的处理
- 修复了可为空集合类型的模式处理问题
5. 路由与终结点改进
路由系统获得了多项增强:
- 为RouteHandlerServices.Map方法添加了路由字符串语法支持
- 修复了路径规范化后的TrimEnd处理顺序问题
- 改进了WithGroupName方法的文档说明,使其用途更加明确
开发者体验提升
1. 诊断与监控
Kestrel服务器重新添加了DiagnosticSource支持,为开发者提供了更丰富的诊断信息。同时新增的AuthN/AuthZ度量指标让安全相关的监控更加全面。
2. 热重载改进
热重载代理获得了多项改进,提升了开发时的迭代效率,使开发者能够更快地看到代码更改的效果。
3. 文档与错误处理
框架修复了多处XML文档注释的问题,包括修复了IRazorViewEngine接口文档中的remarks标签结构。同时改进了表单POST处理,现在空字符串会被正确地视为可为空值类型的null值。
构建与部署
1. 安装程序改进
修复了ARM64平台上的ANCM安装程序问题,并优化了安装包版本控制。构建系统现在能够正确处理多阶段构建中的MSI包生成。
2. 开发证书
更新了开发HTTPS证书信任命令的输出信息,使其更加清晰易懂。
总结
ASP.NET Core 10.0 Preview 2版本在性能、开发者体验和功能完整性方面都做出了显著改进。从Blazor组件的增强到OpenAPI支持的完善,从路由系统的优化到安全监控的加强,这个版本为开发者构建现代Web应用提供了更加强大和易用的工具集。随着预览版的持续迭代,我们可以期待在正式版中看到一个更加成熟和完善的ASP.NET Core 10.0框架。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00