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。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
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!Kotlin08
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