FastEndpoints v6.1 版本发布:API开发框架的重大更新
项目简介
FastEndpoints 是一个高性能、轻量级的 ASP.NET Core API 开发框架,它简化了现代Web API的开发流程,提供了强大的路由、验证、文档生成等功能。该框架以其简洁的API设计和卓越的性能著称,特别适合需要快速开发和高效运行的微服务场景。
v6.1 版本亮点
1. 端点名称便捷获取
新版本引入了获取自动生成端点名称的便捷方法,这对于需要动态生成链接的场景特别有用。开发者现在可以通过简单的静态方法调用获取端点名称:
var endpointName = IEndpoint.GetName<SomeEndpoint>();
这个改进使得在使用ASP.NET Core的LinkGenerator类创建链接时更加方便,无需手动维护端点名称字符串,减少了出错的可能性。
2. 路由测试中的自动头部填充
在测试带有头部参数的端点时,v6.1版本简化了测试流程。考虑以下请求DTO:
sealed class Request
{
[FromHeader]
public string Title { get; set; }
public string FirstName { get; set; }
public string LastName { get; set; }
}
现在测试时,只需提供DTO实例,框架会自动处理头部参数:
var (rsp, res) = await App.Client.POSTAsync<MyEndpoint, Request, string>(
new()
{
Title = "Mrs.",
FirstName = "Doubt",
LastName = "Fire"
});
这一改进显著简化了测试代码,提高了测试的可读性和可维护性。如果不需要此行为,也可以通过参数显式禁用。
3. CSV格式的集合参数绑定
v6.1增加了对逗号分隔值(CSV)格式的集合参数绑定支持。对于如下DTO:
public class FindRequest
{
[QueryParam]
public string[] Status { get; set; }
}
现在可以直接使用CSV格式的查询参数:
/find?status=queued,completed
这个特性使得API更加灵活,兼容更多客户端调用方式,特别是那些不支持复杂查询参数格式的简单客户端。
4. 新增Accepted响应方法
为了完善HTTP状态码支持,v6.1新增了SendAcceptedAtAsync()方法,用于发送202 Accepted响应:
await SendAcceptedAtAsync<ProgressEndpoint>(new { Id = "123" });
这与现有的201 Created响应方法形成互补,为异步处理场景提供了更好的支持。
5. 错误处理的增强
ThrowError()方法新增了支持错误代码和严重级别的重载:
ThrowError("Account is locked out!", errorCode: "AccountLocked", severity: Severity.Error, statusCode: 423);
这使得错误响应更加结构化,便于客户端程序化处理不同类型的错误。
6. 默认值绑定行为的配置
对于可为空的值类型属性,v6.1允许配置空参数值的绑定行为。考虑以下DTO:
public class MyRequest
{
[QueryParam]
public int? Age { get; set; }
}
通过新配置项可以控制当收到空参数时的行为:
app.UseFastEndpoints(c => c.Binding.UseDefaultValuesForNullableProps = false)
当设置为false时,空参数将使属性保持null,而不是赋默认值。这为不同场景下的参数处理提供了更大的灵活性。
其他重要改进
配置组与刷新令牌服务的兼容性
现在可以将刷新令牌服务端点纳入配置组中管理,使得认证相关的端点可以统一配置:
public class AuthGroup : Group
{
public AuthGroup()
{
Configure("users/auth", ep => ep.Options(x => x.Produces(401)));
}
}
public class UserTokenService : RefreshTokenService<TokenRequest, TokenResponse>
{
public MyTokenService(IConfiguration config)
{
Setup(
o =>
{
o.Endpoint("refresh-token", ep =>
{
ep.Summary(s => s.Summary = "this is the refresh token endpoint");
ep.Group<AuthGroup>();
});
});
}
}
Swagger示例值的多来源支持
Swagger文档现在可以从多个来源获取请求参数的示例值:
Summary(
s => s.ExampleRequest = new()
{
Name = "jane doe"
});
如果同时提供了XML注释和摘要示例,后者将优先使用,为API文档提供了更灵活的示例值管理方式。
问题修复
-
修复了反射源生成器在处理带有
required和[JsonIgnore]属性的DTO时的编译错误问题。 -
修复了全局配置器中
ClearDefaultProduces()失效的问题,恢复了从全局配置清除默认生成内容类型的能力。 -
修正了在使用
NotNull()或NotEmpty()验证器时OAS3规范生成不正确的问题,确保了复杂嵌套对象的验证规则能正确反映在API文档中。
技术价值
FastEndpoints v6.1的这些更新体现了框架对开发者体验的持续关注。从简化测试流程到增强API文档生成,再到提供更灵活的参数处理方式,每个改进都旨在减少样板代码,提高开发效率。特别是对OData的初步支持,展示了框架向更广泛API场景扩展的雄心。
这些变化使得FastEndpoints在保持高性能的同时,进一步提升了开发便利性和API设计的表达能力,为构建现代化、文档完善、易于测试的Web API提供了更强大的工具集。
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