NSwag v14.4.0发布:提升性能与支持STJ原生代码生成
NSwag是一个强大的.NET工具链,用于生成Swagger/OpenAPI规范文档,并基于这些规范自动生成客户端代码。它支持多种语言(如TypeScript、C#)的客户端生成,并提供了丰富的功能来简化API开发流程。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,特别是对System.Text.Json(STJ)原生代码生成的支持。
性能优化
本次版本在多个方面进行了性能优化,显著提升了处理大型API规范时的效率:
-
响应模型处理优化:改进了OpenApiOperation中ActualResponses和Responses的性能,减少了不必要的计算开销。
-
操作ID生成优化:优化了OpenApiDocument.GenerateOperationIds方法的性能,使得为大量API端点生成唯一ID时更加高效。
-
客户端生成优化:MultipleClientsFromOperationIdOperationNameGenerator中的重复检查逻辑得到改进,减少了客户端代码生成时的计算负担。
-
字典操作优化:ObservableDictionary的CollectionChanged事件处理更加高效,提升了整体响应速度。
功能增强
-
System.Text.Json原生支持:新增了对STJ原生C#代码生成的支持,使开发者能够充分利用STJ的高性能和低内存占用特性。这对于构建高性能API客户端特别有价值。
-
参数处理改进:修复了可选参数在生成的TypeScript和C#客户端中的排序问题,确保API调用的参数顺序与原始定义一致。
-
数组参数检查:修正了数组参数爆炸检查逻辑,防止在处理复杂数组参数时出现错误。
-
项目目录解析:增加了对MSBuildProjectDirectory的回退支持,提高了在复杂项目结构中解析ProjectDir的可靠性。
兼容性更新
-
.NET 8支持:核心库现在增加了对.NET 8的目标框架支持,使开发者能够在最新的.NET平台上使用NSwag。
-
依赖项升级:更新了NJsonSchema至v11.3.2和Namotion.Reflection至v3.4.2,带来了底层库的改进和bug修复。
-
Swagger UI更新:集成了最新的Swagger UI v5.21.0,提供了更完善的API文档展示功能。
错误修复
-
模式缺失容错:OperationModelBase.GetActualParameters现在能够更好地处理缺失的模式定义,提高了工具的健壮性。
-
字符串API使用:修复了一些字符串API的使用问题,提高了代码的稳定性和性能。
总结
NSwag v14.4.0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。特别是对System.Text.Json的原生支持,使得开发者能够构建更高效的API客户端。这些改进使得NSwag在处理大型API项目时更加高效可靠,为开发者提供了更好的开发体验。
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