Smart-doc 3.1.0版本发布:全面提升API文档生成能力
Smart-doc是一款基于Java源代码和注释自动生成API文档的工具,它能够通过解析代码中的注解和注释来生成多种格式的文档,包括HTML、Markdown、Word等。作为一款轻量级、零侵入的文档生成工具,Smart-doc在Java开发者中广受欢迎,特别适合Spring Boot、Dubbo等框架的项目使用。
近日,Smart-doc发布了3.1.0版本,这个版本带来了多项重要改进和新特性,主要集中在枚举类型支持、文档生成优化、请求示例增强等方面。下面我们将详细介绍这个版本的主要更新内容。
枚举类型支持的全面增强
3.1.0版本对枚举类型的支持进行了大幅改进,解决了多个场景下的枚举处理问题:
-
内部枚举处理:修复了内部枚举类加载失败的问题,现在能够正确处理各种嵌套枚举场景。
-
枚举示例值生成规则:改进了枚举示例值的生成逻辑,使其更加合理和可配置。新增了
enumConvertor配置项,允许开发者自定义枚举值的转换逻辑。 -
枚举数组处理:修复了枚举数组示例值中引号处理不当的问题,确保生成的JSON格式正确。
-
请求头枚举支持:现在请求头参数也支持枚举类型,进一步扩展了枚举的应用场景。
-
Map中的枚举处理:修复了当请求参数或响应结果为
Map<Enum, Value>时解析不正确的问题。
这些改进使得Smart-doc在处理复杂枚举场景时更加可靠和灵活,为开发者提供了更好的文档生成体验。
文档生成优化与增强
3.1.0版本在文档生成方面也做了多项优化:
-
示例字段支持:为Markdown文档参数添加了"Example"字段,随后扩展支持到HTML、AsciiDoc和Word格式,使生成的文档更加直观。
-
HTML模板压缩:新增了HTML模板自动压缩功能,减小生成的HTML文件体积,提高加载速度。
-
Dubbo接口Word文档支持:新增了
RpcWordDocBuilder,专门用于生成Dubbo接口的Word文档,丰富了文档输出格式的选择。 -
样式修复:修复了当使用"xt256"样式时窗口显示错误的问题,提升了文档的视觉体验。
这些优化使得生成的文档更加专业、美观,同时也提高了生成效率。
请求处理与验证增强
在请求处理和参数验证方面,3.1.0版本也带来了重要改进:
-
多部分表单数据处理:修复了当ContentType为multipart/form-data时保留查询参数的问题。
-
参数文档修正:修正了
@RequestBody和无注解表单参数的文档生成问题。 -
请求示例生成:改进了API文档中请求示例的生成逻辑,使其更加准确和实用。
-
验证消息占位符解析:新增了对验证消息中占位符的解析支持,能够正确处理如
@Size(max = {value}, message = "长度不能超过{value}")这样的注解。 -
参数最大长度解析:增强了从注解中获取参数最大长度的能力,支持解析常量值。
这些改进使得Smart-doc能够更准确地反映API的实际行为,特别是对于复杂的请求和验证场景。
其他重要改进
除了上述主要特性外,3.1.0版本还包含以下值得关注的改进:
-
JDK17文本块支持:通过升级qdox到2.0.3.5版本,新增了对JDK17文本块的支持。
-
OpenAPI操作ID一致性:使生成的openapi.json文件中的operationId值与springdoc-openapi保持一致,提高了与其他工具的兼容性。
-
代码质量提升:引入了.editorconfig文件保证代码格式一致性,重构了自定义字段逻辑,优化了API文档生成过程,并加强了Javadoc的严格验证。
-
依赖项更新:升级了多个依赖项版本,包括beetl、gson、junit-jupiter等,提高了项目的安全性和稳定性。
总结
Smart-doc 3.1.0版本是一个功能丰富、改进全面的更新,特别是在枚举处理、文档生成质量和请求验证方面有了显著提升。这些改进不仅解决了多个已知问题,还引入了实用的新特性,使得Smart-doc作为API文档生成工具更加成熟和强大。
对于现有用户,建议升级到3.1.0版本以获得更好的文档生成体验;对于新用户,这个版本提供了更全面、更稳定的功能,是开始使用Smart-doc的好时机。随着这些改进,Smart-doc继续巩固了其在Java API文档生成领域的领先地位,为开发者提供了高效、准确的文档生成解决方案。
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