ASP.NET Core Web API 教程中Swagger与OpenAPI的演进
在ASP.NET Core Web API开发中,API文档和测试工具的选择经历了从Swagger到OpenAPI的转变。这一变化对开发者,特别是初学者产生了直接影响。
从Swagger到OpenAPI的转变
早期版本的ASP.NET Core项目模板默认集成了Swashbuckle工具包,它提供了Swagger UI界面,开发者可以通过/swagger/index.html路径访问交互式API文档。但随着.NET 9的发布,微软转向了更标准的OpenAPI实现。
新的项目模板现在使用Microsoft.AspNetCore.OpenApi包来生成OpenAPI规范文档,而不是之前的Swashbuckle。这一变化带来了更轻量级、更标准化的API文档支持,但也意味着传统的Swagger UI不再默认可用。
对教程学习的影响
许多现有教程,包括官方文档中的"创建第一个Web API"教程,仍然基于旧的Swagger实现。当开发者按照这些教程操作时,会发现预期的/swagger/index.html路径返回404错误,导致无法继续后续的API测试步骤。
解决方案与替代方案
对于使用.NET 9及更高版本的项目,开发者有以下几种选择:
-
继续使用Swagger UI:可以通过安装Microsoft.AspNetCore.OpenApi和Swashbuckle.AspNetCore包来恢复Swagger UI支持
-
使用新的OpenAPI工具链:微软推荐使用符合OpenAPI标准的工具如Scalar等来查看和测试API
-
使用Visual Studio内置的HTTP文件测试功能:这是另一种轻量级的API测试方案
最佳实践建议
对于新项目,建议采用新的OpenAPI标准实现。虽然初期学习曲线可能略高,但长期来看更符合行业标准和发展方向。同时,团队也正在更新相关教程文档,以反映这一技术变化。
这一转变体现了ASP.NET Core团队对开放标准和现代开发实践的承诺,虽然短期内可能造成一些适应成本,但长远来看将使API开发更加标准化和可持续。
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