GraphiQL.NET 使用教程
1. 项目介绍
GraphiQL.NET 是一个为 ASP.NET Core 应用程序提供 GraphiQL 中间件的开源项目。GraphiQL 是一个交互式的 GraphQL 查询工具,允许开发者通过浏览器界面直接与 GraphQL API 进行交互。GraphiQL.NET 将 GraphiQL 集成到 ASP.NET Core 应用程序中,简化了前端依赖的管理,并提供了对路由和认证的控制。
2. 项目快速启动
安装
首先,通过 NuGet 安装 GraphiQL.NET:
Install-Package graphiql
或者使用 .NET Core CLI:
dotnet add package graphiql
配置
在 Startup.cs 文件中配置 GraphiQL.NET 中间件:
public void Configure(IApplicationBuilder app, IHostingEnvironment env, ILoggerFactory loggerFactory)
{
// 添加 GraphiQL 中间件,默认路径为 /graphql
app.UseGraphiQl();
// 添加 MVC 中间件
app.UseMvc();
}
启动应用
启动 ASP.NET Core 应用程序后,访问 /graphql 路径即可看到 GraphiQL 界面。
3. 应用案例和最佳实践
自定义路由
GraphiQL.NET 允许你自定义 GraphiQL 的路由。例如,将 GraphiQL 界面放在 /graphiql 路径下:
app.UseGraphiQl("/graphiql");
配置 GraphQL API 地址
如果你的 GraphQL API 不在默认路径下,可以通过以下方式配置:
app.UseGraphiQl("/graphiql", "/v1/yourapi");
这样,GraphiQL 界面将通过 /graphiql 路径访问,而 GraphQL API 则通过 /v1/yourapi 路径访问。
通过 IServiceCollection 配置
你还可以通过 IServiceCollection 进行配置:
public void ConfigureServices(IServiceCollection services)
{
services.AddGraphiQl(x =>
{
x.GraphiQlPath = "/graphiql-ui";
x.GraphQlApiPath = "graphql";
});
}
4. 典型生态项目
GraphQL.NET
GraphQL.NET 是一个用于构建 GraphQL 服务器的 .NET 库。它与 GraphiQL.NET 配合使用,可以快速搭建一个功能完善的 GraphQL API 服务器。
HotChocolate
HotChocolate 是另一个流行的 .NET GraphQL 服务器库,支持多种数据源和强大的查询能力。结合 GraphiQL.NET,可以为开发者提供一个强大的开发和调试环境。
通过以上步骤,你可以快速上手并使用 GraphiQL.NET 中间件,为你的 ASP.NET Core 应用程序提供一个交互式的 GraphQL 查询界面。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00