ASP.NET Core OpenAPI 中 List<List<string>> 类型引用的生成问题解析
在 ASP.NET Core 项目中,当使用 OpenAPI 规范来描述 API 时,开发者可能会遇到一个关于复杂类型引用的生成问题。本文将深入分析这个问题及其解决方案。
问题现象
当我们在 ASP.NET Core 项目中定义一个包含多个 List<List> 类型属性的模型时,OpenAPI 文档生成器会为第二个相同类型的属性生成一个无效的相对引用。例如,考虑以下模型定义:
public record DynamicTableDataPatch()
{
public List<List<string>> Delete { get; set; } = [];
public List<List<string>> AddOrUpdate { get; set; } = [];
}
生成的 OpenAPI 文档中,第二个属性 AddOrUpdate 的引用格式不正确,导致 Swagger UI 等工具无法正确解析。
技术背景
这个问题源于 System.Text.Json 的 GetSchemaAsJsonNode API 在处理重复类型时的行为。当遇到已经在类型层次结构中见过的类型时,它会生成相对引用来"重用"之前生成的模式。这种设计原本是为了减少文档体积,但在 OpenAPI 规范中却导致了兼容性问题。
根本原因
-
相对引用问题:System.Text.Json 生成的相对引用格式与 OpenAPI.NET 库的 v1.6 版本不兼容,后者无法正确处理这种引用格式。
-
类型重用机制:对于相同类型的多个属性,生成器试图重用模式定义,但引用路径处理不当。
解决方案
微软团队已经针对这个问题提供了两种解决方案:
-
短期修复:在 ASP.NET Core 9.0.4 版本中,通过在处理流程中展开相对引用来解决这个问题。这个修复确保了生成的 OpenAPI 文档能够被标准工具正确解析。
-
长期方案:从 .NET 10 开始,将依赖底层 Microsoft.OpenApi 库的改进来处理这类引用问题,提供更原生的支持。
临时解决方案
对于急需解决此问题的开发者,可以采用以下临时方案:
// 自定义端点处理生成的 OpenAPI 文档
app.MapGet("/openapi.json", async (HttpRequest request) =>
{
var response = await HttpClient.GetAsync($"{request.Scheme}://{request.Host}/openapiErr.json");
var jsonContent = await response.Content.ReadAsStringAsync();
// 手动修复引用路径
jsonContent = jsonContent.Replace("#/properties/delete/items", "DynamicTableDataPatch/properties/delete/items");
return Results.Json(JsonNode.Parse(jsonContent)?.AsObject());
});
最佳实践
-
对于生产环境,建议升级到包含修复的 ASP.NET Core 版本。
-
在设计 API 模型时,如果可能,可以考虑为重复的复杂类型创建单独的类型定义,这不仅能避免这个问题,还能提高代码的可读性。
-
定期检查 OpenAPI 文档生成结果,确保其符合规范并能被常用工具正确解析。
总结
这个问题展示了在 API 文档自动生成过程中类型处理和引用解析的复杂性。微软团队已经提供了明确的解决方案路径,开发者可以根据自身情况选择升级版本或应用临时解决方案。理解这类问题的本质有助于开发者更好地设计 API 模型和排查文档生成问题。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-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。00