Microcks 1.11.2版本发布:增强脚本引擎与API测试能力
Microcks是一个开源的API模拟和测试工具,它能够帮助开发者和测试人员快速创建和管理API的模拟服务。通过支持多种API规范格式(如OpenAPI、AsyncAPI等),Microcks能够自动生成模拟响应,并验证实际API实现是否符合规范。最新发布的1.11.2版本带来了一些重要的功能增强和问题修复,进一步提升了工具的稳定性和可用性。
核心功能改进
脚本引擎性能优化
1.11.2版本对脚本引擎进行了显著的性能优化。通过缓存ScriptEngine实例并采用ScriptContext替代bindings的方式,大幅提升了脚本执行的效率。这一改进特别有利于那些频繁使用脚本调度器(SCRIPT dispatcher)的场景,能够减少重复初始化脚本引擎的开销,提高整体响应速度。
URI模板参数访问增强
新版本为SCRIPT调度器增加了访问命名URI模板参数值的能力。这意味着在编写脚本时,开发者现在可以直接引用URI模板中定义的参数,使得脚本逻辑更加灵活和强大。例如,在RESTful API测试中,可以更方便地处理路径参数,实现更精确的请求匹配和响应生成。
问题修复与稳定性提升
配置灵活性增强
修复了通过Helm安装时无法配置AI Copilot OpenAI端点的问题。现在用户可以根据实际需求自定义AI Copilot的OpenAI服务端点,为不同环境下的部署提供了更大的灵活性。
API访问权限调整
重新调整了GET /services/{id}接口的优先级,确保普通用户能够正常访问该接口。这一变更解决了之前某些情况下用户无法获取服务详情的问题,提升了用户体验。
依赖管理改进
为了解决脚本执行中的日期时间处理问题,1.11.2版本新增了groovy-datetime依赖。这一变更确保了在Groovy脚本中能够正确处理各种日期时间格式,避免了因依赖缺失导致的功能异常。
技术实现细节
在脚本引擎的优化方面,开发团队采用了ScriptContext替代传统的bindings机制。ScriptContext提供了更结构化的脚本执行环境,能够更好地管理变量作用域和生命周期。同时,通过缓存ScriptEngine实例,避免了重复创建引擎的开销,这对于高频率执行的脚本场景尤为重要。
对于URI模板参数的访问支持,开发团队扩展了脚本执行上下文,使得模板参数能够自动注入到脚本变量中。这意味着开发者无需手动解析URI,可以直接使用预定义的参数名称访问路径中的变量值。
总结
Microcks 1.11.2版本通过优化脚本引擎性能和增强URI参数访问能力,进一步强化了其作为API模拟和测试工具的核心功能。同时,通过解决配置灵活性和访问权限等问题,提升了产品在不同环境下的可用性。这些改进使得Microcks能够更好地服务于API开发周期中的各个环节,从设计阶段的模拟到实现阶段的测试验证。对于依赖API开发的团队来说,升级到1.11.2版本将获得更流畅、更可靠的API模拟和测试体验。
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