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。
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