FastEndpoints中路由参数类型定义的最佳实践
在使用FastEndpoints框架开发API时,正确设置路由参数的数据类型对于生成准确的客户端代码至关重要。本文将详细介绍如何确保路由参数在Swagger文档和生成的客户端代码中保持正确的数据类型。
问题背景
开发者在FastEndpoints框架中定义了一个接收Guid类型路由参数的端点,但在使用GenerateClientsAndExitAsync方法生成客户端代码时,发现路由参数被生成为string?类型,而非期望的Guid类型。这会导致客户端调用时需要额外的类型转换,影响开发体验。
解决方案
使用请求DTO定义路由参数类型
FastEndpoints框架的客户端代码生成依赖于Swagger文档的准确描述。为了确保路由参数在Swagger文档中被正确识别为Guid类型,最佳实践是使用请求DTO来明确定义参数类型:
sealed class RequestDto
{
public Guid SomeId { get; set; } // 明确指定参数为Guid类型
}
sealed class ResponseDto
{
public string Id { get; set; }
}
sealed class GetSomeEndpoint : Endpoint<RequestDto, ResponseDto>
{
public override void Configure()
{
Get("something/{SomeId}");
AllowAnonymous();
}
public override async Task HandleAsync(RequestDto r, CancellationToken ct)
{
await SendAsync(new() { Id = r.SomeId.ToString() });
}
}
工作原理
-
Swagger文档生成:当使用请求DTO时,FastEndpoints框架会根据DTO属性类型在Swagger文档中正确标注参数类型。对于Guid类型的属性,Swagger会生成相应的schema定义。
-
客户端代码生成:基于正确的Swagger文档,客户端生成工具(如NSwag)能够识别参数应为Guid类型而非字符串类型,从而生成类型正确的客户端方法签名。
替代方案比较
虽然可以通过Route()方法在端点处理程序中获取Guid类型的路由参数,但这种方法不会影响Swagger文档的生成。因此,对于需要生成客户端代码的场景,使用请求DTO是更可靠的方法。
额外建议
-
考虑使用Kiota客户端生成:FastEndpoints现在支持基于Kiota的客户端生成方案,它提供了更现代化的客户端生成体验,值得开发者评估使用。
-
保持一致性:建议在整个项目中统一使用请求DTO来定义所有路由参数,以确保Swagger文档和客户端代码的一致性。
-
文档注释:为DTO属性添加XML注释,这些注释会被包含在Swagger文档中,进一步提升API文档的质量。
通过遵循这些最佳实践,开发者可以确保FastEndpoints应用生成的路由参数类型在客户端代码中保持准确,提高开发效率和代码质量。
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-1.5暂无简介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-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