ATAC项目v0.20.0版本发布:API测试工具的全面升级
ATAC是一个现代化的API测试工具,它通过终端用户界面(TUI)提供了直观的API测试体验。这个工具特别适合开发者在命令行环境中快速测试和调试API接口,支持多种HTTP方法,并提供了丰富的功能来简化API测试流程。
环境编辑器和日志查看器
本次v0.20.0版本最显著的改进之一是新增了环境编辑器查看器和日志查看器功能。环境编辑器可以通过ctrl-e快捷键访问,它允许开发者直接在TUI中查看和编辑环境变量配置,无需离开终端环境。这对于管理不同环境(如开发、测试、生产)的API配置特别有用。
日志查看器则通过l键访问,它集中显示了ATAC运行过程中的所有日志信息。这个功能对于调试复杂的API调用序列非常有帮助,开发者可以快速查看历史操作记录和系统消息。
路径参数和HTTP方法扩展
新版本引入了路径参数功能,开发者现在可以在URL中使用{param_name}的语法定义路径参数。这个特性使得测试RESTful风格的API更加方便,特别是那些包含动态路径段(如用户ID、产品编号等)的接口。
此外,ATAC现在支持TRACE和CONNECT这两种HTTP方法,进一步扩展了其测试能力。这使得ATAC能够覆盖更广泛的API测试场景,包括一些特殊的网络调试需求。
响应处理和集合管理改进
响应体自动换行功能是一个贴心的改进,当在配置文件中设置wrap_responses = true时,过长的响应内容会自动换行显示,提高了可读性。对于返回大量数据的API测试特别有用。
集合管理功能也得到了增强,现在开发者可以使用ctrl-up/down快捷键直接调整集合的顺序,这使得组织大量API测试用例变得更加高效。
OpenAPI导入和主题扩展
v0.20.0版本新增了对OpenAPI v3规范的支持,开发者可以直接导入OpenAPI文档来快速创建测试集合。这个功能极大地简化了从API设计文档到实际测试的转换过程。
在用户体验方面,新版本增加了Dracula主题,为喜欢暗色模式的开发者提供了更多选择。同时,针对MacOS用户优化了键位绑定,使得在不同平台上的操作体验更加一致。
其他改进和优化
新引入的--tui标志允许在CLI命令执行后自动打开TUI界面,这在导入操作后查看结果特别方便。URL处理也变得更加智能,当没有查询参数时会自动移除末尾的?字符。
在用户体验方面,弹出窗口的行为得到了优化,现在会记住上次的状态而不是每次都返回主菜单。底层依赖库也进行了更新,提升了整体稳定性和性能。
总结
ATAC v0.20.0版本带来了多项实用功能和改进,进一步巩固了其作为现代化API测试工具的地位。从环境管理到日志查看,从路径参数支持到OpenAPI导入,这些新特性都围绕着提升开发者体验和测试效率展开。对于经常需要测试API的开发者来说,这个版本值得升级尝试。
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