Swashbuckle.AspNetCore 8.0.0版本发布:迈向OpenAPI 3.1的重要一步
Swashbuckle.AspNetCore是一个流行的.NET库,用于为ASP.NET Core Web API项目自动生成Swagger/OpenAPI文档。它通过分析API控制器和模型,动态生成符合OpenAPI规范的JSON文档,并提供交互式的UI界面,极大简化了API文档的创建和维护工作。
版本8.0.0的核心变更
最新发布的8.0.0版本带来了几项重要更新,这些变更不仅反映了技术栈的演进,也为未来的OpenAPI 3.1支持奠定了基础。
1. .NET版本支持调整
8.0.0版本正式放弃了对.NET 6的支持,这是遵循微软官方生命周期策略的自然演进。同时,针对netstandard2.0的目标框架,现在依赖的是ASP.NET Core 2.3而非之前的2.1版本。这一变化确保了库在跨平台兼容性上的持续可靠性。
2. 底层库升级
该版本将Microsoft.OpenApi库升级至1.6.23版本,这一更新要求配套使用swagger-ui 5.19.0或更高版本。值得注意的是,Swashbuckle.AspNetCore.SwaggerUI NuGet包已经内置了5.20.1版本的swagger-ui。开发者在升级后可能需要清除浏览器缓存以确保加载最新的JavaScript文件。
3. 为OpenAPI 3.1做准备
8.0.0版本最引人注目的变化是对SerializeAsV2属性的废弃处理。这个属性原本用于控制是否生成OpenAPI 2.0(即Swagger 2.0)规范的文档。为了迎接即将到来的OpenAPI 3.1支持,现在推荐使用更明确的OpenApiVersion属性来指定文档版本:
// 旧方式(已废弃)
options.SerializeAsV2 = true;
// 新方式
options.OpenApiVersion = Microsoft.OpenApi.OpenApiSpecVersion.OpenApi2_0;
同样,在Swashbuckle.AspNetCore.Cli命令行工具中,--serializeasv2选项也被标记为废弃,取而代之的是更清晰的--openapiversion参数。
升级建议与注意事项
对于正在使用Swashbuckle.AspNetCore的项目,升级到8.0.0版本时需要注意以下几点:
-
确保项目运行环境至少支持.NET 7或更高版本,如果当前使用的是.NET 6,需要先升级项目框架。
-
检查代码中是否使用了
SerializeAsV2属性,按照上述示例进行替换。虽然旧属性目前仍能工作,但未来版本可能会完全移除它。 -
如果项目中使用的是自定义的swagger-ui,确保其版本不低于5.19.0,以避免潜在的兼容性问题。
-
对于使用CLI工具生成文档的自动化流程,需要更新相关脚本,用
--openapiversion参数替换--serializeasv2选项。
技术前瞻
这次版本更新最值得关注的是为OpenAPI 3.1支持所做的准备工作。OpenAPI 3.1规范带来了多项改进,包括更好的JSON Schema兼容性、更灵活的扩展机制等。虽然当前版本仍专注于OpenAPI 2.0和3.0的支持,但架构上的调整已经为未来的3.1支持铺平了道路。
结语
Swashbuckle.AspNetCore 8.0.0版本虽然是一个主版本号升级,但主要变化集中在底层架构的现代化和未来功能的准备上。对于大多数现有项目来说,升级过程应该是相对平滑的,特别是如果已经遵循了最新的.NET版本支持策略。这次更新再次体现了该项目维护团队对长期可持续性和标准兼容性的重视,为.NET生态中的API文档生成树立了标杆。
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