NSwag v14.4.0 版本发布:性能优化与STJ原生代码生成支持
NSwag 是一个强大的.NET工具链,用于生成、解析和处理OpenAPI/Swagger规范文档,并能自动生成客户端代码。它支持从ASP.NET Core、Web API等框架生成API文档,同时也能为TypeScript、C#等语言生成客户端代码。最新发布的v14.4.0版本带来了一系列性能优化和功能增强。
性能优化亮点
本次版本在多个关键环节进行了性能优化,显著提升了处理大型API文档时的效率:
-
操作ID生成优化:改进了OpenApiDocument.GenerateOperationIds方法的实现,减少了不必要的计算开销,特别是在处理包含大量API端点的大型文档时效果明显。
-
响应模型缓存优化:对OpenApiOperation的ActualResponses和Responses属性进行了性能改进,减少了重复计算,提升了响应模型的访问速度。
-
字典操作优化:ObservableDictionary的CollectionChanged事件处理逻辑得到改进,减少了事件触发的频率,提升了集合操作的效率。
-
客户端生成优化:MultipleClientsFromOperationIdOperationNameGenerator中的重复检查逻辑更加高效,加快了客户端代码生成速度。
新功能:STJ原生C#代码生成支持
v14.4.0版本新增了对System.Text.Json(STJ)原生C#代码生成的支持。这一功能使得生成的客户端代码能够更好地与.NET Core 3.0及更高版本中引入的System.Text.Json序列化器配合工作,提供更高效的JSON处理能力。
开发者现在可以选择生成基于STJ的客户端代码,这将带来以下优势:
- 更高的序列化/反序列化性能
- 更低的内存分配
- 与.NET现代版本更好的兼容性
问题修复与改进
-
可选参数排序问题:修复了TypeScript和C#客户端生成中可选参数排序不正确的问题,确保生成的代码与API定义保持一致。
-
数组参数检查:修正了数组参数爆炸检查逻辑,防止在某些情况下错误地标记有效的数组参数。
-
项目目录解析:增加了对MSBuildProjectDirectory的回退支持,提高了在不同构建环境下项目目录解析的可靠性。
-
参数模型处理:OperationModelBase.GetActualParameters方法现在能够更好地处理缺少schema定义的情况,提高了代码的健壮性。
平台支持增强
本次更新为NSwag核心库添加了.NET 8目标框架支持,确保开发者可以在最新的.NET平台上使用NSwag的全部功能。同时,相关依赖项也进行了更新:
- 升级到NJsonSchema v11.3.2
- 升级到Namotion.Reflection v3.4.2
- 更新Microsoft.Extensions.ApiDescription到8.0.14版本
- 升级Swagger UI到v5.21.0
总结
NSwag v14.4.0版本通过一系列性能优化和功能增强,进一步巩固了其作为.NET生态系统中API开发首选工具的地位。特别是新增的STJ原生代码生成支持,为追求高性能的开发者提供了更好的选择。这些改进使得NSwag在处理大型API项目时更加高效,生成的客户端代码质量更高,与最新.NET平台的兼容性更好。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00