消费者导向的API设计指南
本书是一个深入探讨基于HTTP的API设计的开源资源。它的目标是构建易用且用户喜爱的API接口。从URL设计和一致的HTTP方法应用到更复杂的主题如认证模式和权限管理,本书都有详尽的覆盖。
我的期望是最终能通过出版社或自我出版的方式发行纸质版,同时也会提供免费的电子版本。正如尼尔森·豪在音乐上的尝试一样,我认为这种模式也许同样适用于技术书籍。
目前,这本书大约有55页。如果你觉得书中缺少了任何内容,请以问题的形式提交issue,我将很高兴为其添加相关内容。
购买纸质版
现在,你可以通过亚马逊购买到这本《消费者导向的API设计》的实体书。如果你想支持这个项目,购买一本将是极好的方式: 在Amazon上购买($14)。
下载PDF
PDF版本充分利用了内部链接,例如,目录链接到相关的部分,图例链接到相应的图,引用链接到书后的更多信息。
页面采用了交替的边距设计,因为这是为了双面打印而考虑的。所有的图表都以矢量图形的形式呈现,以保持文件大小小而图像质量高。

Evince中的屏幕截图,显示了超链接
目录
(略)
贡献
如果希望看到更多的话题在这个书中被讨论,提交一个issue并提出你的问题,我会进行研究并编写相关内容。如果你想为本书写作,提交一个pull请求,我会检查它(最好事先联系我,确保你写的主题适合这本书)。届时,我会制定一种系统来跟踪贡献者,并可能在书中专门设立一页来表彰他们。
当然,对本书的任何贡献都将赋予我和可能的出版商非排他的权利,以便我们随意处理这些内容。抱歉,这是法律要求的。
安装LaTeX
安装LaTeX可以让你自己构建这本书。但是,如果你不打算贡献内容,也不必学习LaTeX。只需在认为合适的位置添加内容,然后提交pull请求,我将会审阅并做必要的修改。
OS X
可以安装MacTeX包。安装后,需要将它的目录添加到PATH中:
PATH="$PATH:/usr/texbin"
export PATH
也可以通过Homebrew Cask来安装。
Debian/Ubuntu Linux
在Debian或Ubuntu这样的基于Debian的Linux发行版上,安装texlive包:
sudo apt-get install texlive texlive-latex-extra texlive-font-utils
其他发行版可能会有不同的包名。
Windows
在Windows上,可以安装MiKTeX项目,但无法运行build.sh脚本来编译书籍,需要手动执行相关命令。
构建书籍
在书籍目录下运行以下命令:
./build.sh
生成的书籍名为类似"Consumer-Centric API Design vX.Y.Z.pdf"的名称。
许可证

这是一个开放源码项目,允许您自由分享,但不得用于商业目的,也不能进行修改后再分发。
欢迎您探索这个项目,一起打造一个更加易用的API设计环境。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00