NSwag在.NET 9.0环境下生成C客户端失败问题解析
问题背景
在使用NSwag工具链为.NET 9.0项目生成C#客户端代码时,开发者遇到了路径参数为空的异常。这个问题在从.NET 7/8升级到.NET 9后出现,表现为NSwag无法正确解析项目路径,导致代码生成失败。
错误现象
执行NSwag生成命令时,系统抛出System.ArgumentException: The path is empty. (Parameter 'path')异常。错误发生在ProjectMetadata.GetProjectMetadata方法中,表明NSwag无法获取到有效的项目路径信息。
根本原因分析
通过深入分析,我们发现这个问题与.NET 9.0项目构建系统返回的MSBuild属性有关。当查询关键构建属性时,多个重要属性返回了空值:
- ProjectDir(项目目录)
- ProjectDepsFilePath(项目依赖文件路径)
- ProjectRuntimeConfigFilePath(运行时配置文件路径)
- TargetFileName(目标文件名)
这些空值导致NSwag无法正确定位项目文件和生成所需的元数据。这种情况在.NET 7/8中工作正常,但在升级到.NET 9后出现,表明可能是.NET 9构建系统或项目配置发生了变化。
解决方案
经过技术验证,我们推荐以下解决方案:
-
更新NSwag版本:使用预览版NSwag 14.3.1-preview-20250420-0810或更高版本,这些版本已经针对.NET 9的构建系统变化进行了适配。
-
调整构建命令:在项目文件中修改NSwag的执行命令,显式指定工作目录:
<Target Name="NSwag" AfterTargets="Build">
<Exec Command="$(NSwagExe_Net90) run nswag.json /variables:Configuration=$(Configuration)"
WorkingDirectory="$(ProjectDir)" />
</Target>
- 检查项目配置:确保项目中没有特殊的构建目标或多级Directory.Build.props文件,这些可能会影响MSBuild属性的正常传递。
技术细节
当NSwag执行时,它会通过MSBuild API获取项目元数据来生成OpenAPI规范。在.NET 9环境下,如果关键路径属性为空,就会导致生成过程失败。这个问题特别容易出现在:
- 使用非标准项目结构时
- 有自定义构建逻辑的项目中
- 多目标框架项目中
最佳实践建议
为了避免类似问题,我们建议:
- 保持NSwag工具链更新到最新稳定版本
- 在项目升级时,仔细检查NSwag配置文件的兼容性
- 考虑将NSwag生成步骤作为独立构建步骤而非后期构建目标
- 在复杂项目中,考虑使用明确的路径而非依赖自动发现
总结
.NET 9.0的构建系统变化导致NSwag在获取项目元数据时出现了兼容性问题。通过更新工具链版本和调整构建配置,开发者可以解决这一问题。这也提醒我们在升级.NET版本时,需要关注构建工具链的兼容性变化,特别是对于依赖MSBuild API的工具。
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