OpenAPI Generator v7.11.0 版本深度解析:150+项改进与全新PostgreSQL生成器
OpenAPI Generator 是一个强大的开源工具,能够根据 OpenAPI/Swagger 规范自动生成客户端 SDK、服务器存根、API 文档等代码。最新发布的 v7.11.0 版本带来了超过 150 项功能增强和错误修复,其中最引人注目的是新增了对 PostgreSQL 模式生成的支持(Beta 版)。
核心改进概览
本次更新在多个方面进行了优化,包括:
-
规范处理增强:改进了对仅含描述信息的模式(any 类型)的处理方式,优化了 operationId 过滤器的输入修剪功能,并解决了 webhooks 中内联模式的解析问题。
-
默认行为调整:将 removeEnumValuePrefix 的默认值改为 false,这是向后兼容的破坏性变更。同时改进了枚举名称的清理逻辑,将冒号转换为下划线。
-
参数引用处理:修复了 DefaultGenerator 中处理参数引用($ref)的问题,确保能正确识别参数 ID。
语言特定改进亮点
C/C++ 家族
C 语言生成器获得了大量底层优化,包括:
- 修复了 intToStr() 宏的问题并更新了示例
- 解决了多个 CMAKE_C_FLAGS 相关的问题
- 进行了 10 多项性能优化和错误修复
C++ 方面,cpprestsdk 现在支持在对象内部实现枚举类型。
Java 生态
Java 相关生成器的主要改进包括:
- 增加了对 Jakarta EE 的支持,当 useJakartaEe 为 true 时会依赖 jackson-jakarta-rs-json-provider
- 为 Spring Boot 生成器添加了 @Nullable 注解支持
- 修复了 Helidon 生成器中公共路径前缀计算的错误
- 增加了回退到传统枚举命名的选项
JavaScript/TypeScript
TypeScript 方面的改进包括:
- 修复了 typescript-fetch 中空 20x 响应的 API 签名返回类型
- 为 Angular 添加了 V19 支持
- 解决了 typescript-nestjs 服务中危险解构的问题
Python 生态
Python 生成器获得了多项重要修复:
- 修复了多约束依赖语法以符合 PEP 508
- 解决了 FastAPI 模板中的包名问题
- 改进了 aiohttp 客户端会话管理
- 增加了对 409 和 422 状态码的自定义异常支持
Rust 增强
Rust 生成器获得了显著改进:
- 强化了命名冲突防护,生成更干净的代码
- 改进了 oneOf 模型生成器(破坏性变更)
- 修复了 reqwest-trait 库中的关键字参数问题
- 增加了对 kebab-case 路径参数的规范化支持
其他语言亮点
- Elixir:改进了 Atom 生成,更新了 dialyzer 规范
- Elm:修复了测试套件编译问题和参数名称清理
- Erlang:改进了服务器返回类型和生成文档
- Go:修复了 JSON 编组的值接收器问题
- Kotlin:升级到 Ktor 3.0.3,增加了 useFlowForArrayReturnType 选项
- PHP:改进了参数类型提示,支持 PHP 8.4 新特性
- Scala:改进了 pekko 版本处理
全新 PostgreSQL 模式生成器(Beta)
v7.11.0 引入了全新的 PostgreSQL 模式生成器,目前处于 Beta 阶段。这个生成器能够根据 OpenAPI 规范自动创建 PostgreSQL 数据库模式,包括表结构、约束和索引等。虽然目前功能还比较基础,但它为 API 和数据库模式之间的同步提供了新的可能性。
破坏性变更与迁移建议
本次更新包含了 3 个带有回退机制的破坏性变更:
- 将 removeEnumValuePrefix 默认值改为 false
- 在枚举名称清理时将冒号转换为下划线
- 改进了 Rust-Axum 中的 oneOf 模型生成器
对于这些变更,项目团队已经提供了回退机制,使现有用户可以逐步迁移。建议用户在升级前仔细阅读变更日志,并在测试环境中验证生成的代码。
总结
OpenAPI Generator v7.11.0 是一个功能丰富的版本,不仅修复了大量问题,还引入了多项改进和新特性。从底层优化到新语言支持,从规范处理增强到特定语言的改进,这个版本为 API 开发工具链带来了显著提升。特别是新增的 PostgreSQL 模式生成器,为 API 和数据库集成开辟了新的可能性。
对于现有用户,建议评估破坏性变更的影响并制定升级计划;对于新用户,现在正是开始使用这个强大工具的好时机。随着社区的持续贡献,OpenAPI Generator 正变得越来越完善和强大。
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