OpenIddict 7.0预览版发布:重大架构升级与技术革新
项目简介
OpenIddict是一个基于ASP.NET Core的开源OpenID Connect服务器框架,它为开发者提供了构建OAuth 2.0和OpenID Connect服务器的完整解决方案。作为.NET生态系统中重要的身份认证组件,OpenIddict简化了实现标准兼容的身份验证和授权流程的复杂度。
核心升级内容
ASP.NET Core 2.3全面适配
本次7.0预览版最重要的变化是全面迁移至ASP.NET Core 2.3运行时。这一变更源于微软官方的安全策略调整——ASP.NET Core 2.3作为2.1的替代版本发布,专门为仍需要运行在.NET Framework 4.6.2+环境的应用提供长期支持。
值得注意的是,虽然版本号上看似小版本更新,但ASP.NET Core 2.3并非完全兼容2.2版本。开发者在迁移过程中需要特别注意检查项目依赖,确保没有使用任何2.2特有的API。这种版本策略的变化体现了微软对长期支持版本的维护策略调整。
.NET Extensions升级至8.0
配合ASP.NET Core的版本更新,OpenIddict将所有包的.NET Extensions最低版本要求提升至8.0。这一变更带来了多项技术增强:
- 完整支持
TimeProviderAPI,相关选项类中的时间属性不再允许为空值 - 全面支持
System.Text.Json.Nodes命名空间,使JsonNode类型可以在旧版平台上与OpenIddictParameter无缝协作 - 提升了与现代.NET特性的兼容性
对于仍在使用OWIN/Katana或传统ASP.NET 4.6.2+的应用,开发者只需重新生成绑定重定向即可完成适配,这体现了框架对旧有系统的良好兼容性设计。
OpenIddictParameter的重大改进
作为OpenIddict核心数据结构的OpenIddictParameter在本版本中获得了多项重要增强:
不可变集合支持
- 所有接受字符串数组的构造函数和运算符都被替换为使用
ImmutableArray<string?>的版本,确保封装后的值不会被意外修改 OpenIddictRequest中的Audiences和Resources属性现在使用ImmutableArray<string?>?类型,消除了潜在的数组修改风险- 声明目标相关的扩展方法改用
ImmutableDictionary<string, ImmutableArray<string>>类型,保持整体设计的一致性
JSON处理增强
- 所有
JsonNode实例现在会被自动克隆,防止外部修改影响内部状态 OpenIddictRequest的Claims和Registration属性类型从JsonElement升级为JsonObject,显著提升了API易用性- 底层实现优化为优先使用
JsonNode.DeepEquals()等现代JSON API,提高了比较操作的效率
API清理与简化
- 移除了低级别的
Value属性,改为提供GetRawValue()方法,引导开发者使用类型安全的转换运算符 - 新增了
StringValues转换支持,完善了与ASP.NET Core核心类型的互操作性 - 清除了6.x版本中标记为过时的API,保持代码库的整洁性
目标框架调整
7.0版本移除了net6.0目标框架支持,这一变化反映了项目对长期支持版本的聚焦策略。开发者如果需要继续使用.NET 6环境,可以考虑停留在6.x版本或升级到更新的.NET版本。
迁移建议
对于计划升级到7.0的开发团队,建议采取以下步骤:
- 首先确保应用已完全脱离ASP.NET Core 2.2的任何依赖
- 检查所有使用
OpenIddictParameter的代码,特别是涉及数组操作的部分 - 验证JSON处理逻辑,特别是直接操作
JsonElement的代码段 - 全面测试声明目标的处理流程
- 对于复杂应用,考虑分阶段迁移策略
这次架构升级体现了OpenIddict项目对安全性、稳定性和现代.NET特性的持续追求,同时也展现了对传统.NET Framework应用的兼容性承诺。7.0版本的这些改进将为构建更健壮、更安全的身价认证系统奠定坚实基础。
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