Schemars 1.0.0-alpha.18 版本发布:JSON Schema 生成工具的重大更新
Schemars 是一个强大的 Rust 库,用于自动生成 JSON Schema 定义。它通过 Rust 类型系统自动推导出对应的 JSON Schema,极大简化了 API 文档编写和数据验证的工作流程。最新发布的 1.0.0-alpha.18 版本带来了多项重要改进和新特性,标志着该项目向稳定版又迈进了一步。
核心特性增强
内联 Schema 支持
新版本引入了 #[schemars(inline)]
属性,这是一个重要的改进。在之前的版本中,Schema 的引用结构是固定的,现在开发者可以更灵活地控制 Schema 的生成方式。当应用于类型或字段时,这个属性会强制将相关 Schema 内联展开,而不是生成引用。这对于需要紧凑 Schema 结构的场景特别有用,可以减少生成的 JSON Schema 文件体积,提高可读性。
类型系统增强
对于基本整数类型(i8/i16/u8/u16)的 Schema 生成进行了改进,现在会自动包含 minimum
和 maximum
属性。这一变化使得生成的 Schema 更加精确,能够更好地描述这些类型的取值范围。例如,u8 类型的 Schema 现在会明确指出其最小值为 0,最大值为 255。
可空类型处理重构
对 Option<T>
类型的处理进行了重大重构。之前的版本通过配置选项控制可空类型的表示方式,现在采用了更标准化的方法。生成的 Schema 总是包含 "null"
类型,开发者可以通过新增的 AddNullable
转换器将其改为 nullable
属性。这种改变使得 Schema 更加符合 JSON Schema 规范,同时保持了灵活性。
新功能亮点
格式限制转换器
新增的 RestrictFormats
转换器是一个实用的工具,它可以过滤掉不符合 JSON Schema 标准的 format
属性。在 API 文档生成过程中,这个功能特别有用,可以确保生成的 Schema 符合目标规范,避免使用特定实现的自定义格式。
类型名称包含功能
SchemaSettings
新增了 include_type_name
标志,启用后会在生成的 Schema 中添加 "x-rust-type"
属性,记录对应的 Rust 类型名称。这个功能对于调试和文档生成非常有用,可以清晰地追踪 Schema 与 Rust 类型的对应关系。
动态转换增强
对 dyn GenTransform
的功能进行了扩展,新增了类似 dyn Any
的操作方法,包括 is
、downcast_ref
、downcast_mut
和 downcast
。这些方法使得类型转换更加方便和安全,提高了转换器使用的灵活性。
兼容性与改进
该版本将最低支持的 Rust 版本(MSRV)提升至 1.74,利用了新版编译器的功能改进。同时,废弃了 GenTransform::as_any
方法,建议使用新的转换方法替代。
OpenAPI 3.0 元 Schema 的引用地址更新为活跃的 URL,确保长期可用性。SchemaSettings
中的 meta_schema
和 definitions_path
字段类型从 String
改为 Cow<'static, str>
,这使得在常量上下文中构建设置更加方便。
SchemaGenerator::take_definitions
方法新增了 apply_transforms
参数,允许在获取定义时选择性应用转换器,提供了更精细的控制能力。
总结
Schemars 1.0.0-alpha.18 版本在功能丰富性、规范符合性和使用便利性方面都有显著提升。特别是对可空类型处理的改进、内联 Schema 的支持以及格式限制功能的加入,使得这个 Rust JSON Schema 生成工具更加成熟和实用。这些改进为开发者提供了更强大的工具来生成精确、规范的 JSON Schema,同时保持了足够的灵活性以适应各种使用场景。随着项目向 1.0 稳定版迈进,Schemars 正在成为 Rust 生态中 JSON Schema 生成的事实标准解决方案。
- Ggpt-oss-20bgpt-oss-20b —— 适用于低延迟和本地或特定用途的场景(210 亿参数,其中 36 亿活跃参数)Jinja00
- Ggpt-oss-120bgpt-oss-120b是OpenAI开源的高性能大模型,专为复杂推理任务和智能代理场景设计。这款拥有1170亿参数的混合专家模型采用原生MXFP4量化技术,可单卡部署在H100 GPU上运行。它支持可调节的推理强度(低/中/高),完整思维链追溯,并内置函数调用、网页浏览等智能体能力。模型遵循Apache 2.0许可,允许自由商用和微调,特别适合需要生产级推理能力的开发者。通过Transformers、vLLM等主流框架即可快速调用,还能在消费级硬件通过Ollama运行,为AI应用开发提供强大而灵活的基础设施。【此简介由AI生成】Jinja00
- QQwen3-Coder-480B-A35B-InstructQwen3-Coder-480B-A35B-Instruct是当前最强大的开源代码模型之一,专为智能编程与工具调用设计。它拥有4800亿参数,支持256K长上下文,并可扩展至1M,特别擅长处理复杂代码库任务。模型在智能编码、浏览器操作等任务上表现卓越,性能媲美Claude Sonnet。支持多种平台工具调用,内置优化的函数调用格式,能高效完成代码生成与逻辑推理。推荐搭配温度0.7、top_p 0.8等参数使用,单次输出最高支持65536个token。无论是快速排序算法实现,还是数学工具链集成,都能流畅执行,为开发者提供接近人类水平的编程辅助体验。【此简介由AI生成】Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
hello-uniapp
uni-app 是一个使用 Vue.js 开发所有前端应用的框架,开发者编写一套代码,可发布到iOS、Android、鸿蒙Next、Web(响应式)、以及各种小程序(微信/支付宝/百度/抖音/飞书/QQ/快手/钉钉/淘宝/京东/小红书)、快应用、鸿蒙元服务等多个平台Vue00GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。05GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0255Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013RuoYi-Cloud-Plus
微服务管理系统 重写RuoYi-Cloud所有功能 整合 SpringCloudAlibaba、Dubbo3.0、Sa-Token、Mybatis-Plus、MQ、Warm-Flow工作流、ES、Docker 全方位升级 定期同步Java014
热门内容推荐
最新内容推荐
项目优选









