Spectral v6.15.0 版本发布:新增逻辑函数与文档链接支持
项目简介
Spectral 是一个强大的开源 API 规范验证工具,它能够帮助开发者对 OpenAPI、AsyncAPI 等 API 描述文档进行自动化校验。通过定义规则集(rulesets),Spectral 可以检查 API 文档中的各种问题,从语法错误到设计规范违规,为 API 开发提供质量保障。
版本亮点
新增逻辑函数 or
v6.15.0 版本引入了一个重要的新功能 - or 逻辑函数。这个函数允许规则编写者在单个规则中定义多个可能的有效条件,只要满足其中任意一个条件,规则就会通过验证。
在实际应用中,这为 API 规范验证提供了更大的灵活性。例如,在验证 API 响应时,我们可能希望接受 JSON 或 XML 格式的响应,而不是强制要求单一格式。使用 or 函数可以轻松实现这种需求。
rules:
response-format:
given: $.responses[*].content
then:
function: or
functionOptions:
functions:
- schema
schema:
type: object
properties:
application/json:
type: object
- schema
schema:
type: object
properties:
application/xml:
type: object
文档链接支持
另一个重要改进是在 JavaScript API 和 CLI 格式化输出中添加了 documentUrl 支持。这意味着当 Spectral 报告问题时,不仅可以指出问题所在的位置,还能提供直接跳转到问题文档的链接,大大提高了开发者的调试效率。
对于集成 Spectral 到 CI/CD 流程中的团队,这一改进尤为重要。开发者现在可以快速定位和修复问题,而不需要手动在文档中搜索问题位置。
其他改进
-
依赖项更新:版本更新了多个依赖项,包括 elliptic 从 6.6.0 升级到 6.6.1,提高了安全性。
-
文档完善:
- 更新了 AsyncAPI 支持文档,明确了对 v3 版本的支持
- 修正了文档中的别名错误
- 将 Discord 链接替换为论坛链接,提供更专业的支持渠道
-
多平台支持:继续提供全面的跨平台支持,包括:
- Alpine Linux (arm64/x64)
- Linux (arm64/x64)
- macOS (arm64/x64)
- Windows
技术影响
or 函数的加入使得 Spectral 的规则表达能力更加强大,可以处理更复杂的验证场景。在实际应用中,这意味着:
-
减少冗余规则:以前需要为每种可能情况编写单独规则,现在可以合并到一个规则中。
-
提高可读性:相关验证逻辑集中在一处,更容易理解和维护。
-
增强灵活性:支持业务场景中常见的"或"逻辑关系,如多种认证方式、多种数据格式等。
文档链接支持则直接提升了开发体验,特别是在处理大型 API 文档时,能够快速导航到问题位置,显著减少调试时间。
升级建议
对于现有 Spectral 用户,建议尽快升级到 v6.15.0 版本以利用这些新功能。特别是:
-
检查现有规则集,看看哪些地方可以使用新的
or函数来简化规则。 -
更新 CI/CD 脚本,确保能够利用新的文档链接功能来改进错误报告。
-
对于安全敏感项目,确保依赖项更新到位。
Spectral 继续巩固其作为 API 规范验证领域领先工具的地位,v6.15.0 版本的这些改进进一步提升了其实用性和用户体验。无论是个人开发者还是大型团队,都能从中受益。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01