Apifox 4月更新｜Apifox在线文档支持LLMs.txt、评论支持使用@提及成员、支持为团队配置「IP 允许访问名单」

最新推荐文章于 2025-04-28 22:01:42 发布
最新推荐文章于 2025-04-28 22:01:42 发布
阅读量855 收藏 11
点赞数 11
分类专栏： 更新日志 文章标签： 人工智能 AI编程 前端 后端 ai
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_71808387/article/details/147473409
版权

Apifox 新版本上线啦！

看看本次版本更新主要涵盖的重点内容，有没有你所关注的功能特性：

  • Apifox 在线文档支持 LLMs.txt
  • 评论支持使用 @ 提及成员
  • 支持为团队配置「IP 允许访问名单」
  • 鉴权组件支持迭代分支、版本分支、修改历史记录
  • 用户反馈优化
    • 调试 LiteLLM 提供的 AI 大模型接口时，支持自动合并消息内容
    • 导入 OpenAPI 文件时，如果 body 定义了多种 media type，则按照顺序导入第 1 个
    • 导入 Postman 集合时，会导入集合、目录的说明
    • 解决当接口定义响应为 No-Content 时，对应的 Mock 服务响应时间过长的问题

将 Apifox 更新至最新版，一起开启全新体验吧！

Apifox 在线文档支持 LLMs.txt

和 Apifox 上个月推出的 MCP Server 一样，LLMs.txt 也是一种让 AI 助手访问 API 文档的优秀方案。

使用 Apifox 发布/分享的 API 文档，每个页面均提供.md格式的内容支持。用户可以点击「复制页面」按钮获取当前页面的 Markdown 内容，或者在页面 URL 后添加.md后缀，快速查看该页面的 Markdown 版本，将内容提供给 AI 作为上下文。

此外，每个文档站均自动生成/llms.txt作为.md内容格式的索引。更多关于 LLMs.txt 的更多内容，可以查看往期文章《Apifox 全面支持 LLMs.txt：让 AI 更好地理解你的 API 文档》。

评论支持使用 @ 提及成员

在对接口和测试场景进行评论时，可以使用 @ 提及团队成员，确保重要的讨论和反馈能及时传达给相人员，让团队协作变得更加高效顺畅。

支持为团队配置「IP 允许访问名单」

Apifox 新增「IP 允许访问名单」功能，支持为团队配置单个 IP 地址或 IP 范围（CIDR 表示法），限制只有在该名单上的 IP 才能访问团队资源。适合管理企业内网或特定办公网络的访问权限，为团队资产提供更精细的安全保护。

注：使用该功能需要升级为「商业专业版」。

鉴权组件支持迭代分支、版本分支、修改历史记录

最新版本的 Apifox 扩展了鉴权组件的功能，支持迭代分支、版本分支以及修改历史记录。团队可以在不同的迭代和版本分支中维护独立的鉴权设置，并通过历史记录功能追踪所有配置变更，为团队提供了更安全、规范的鉴权管理方式。

用户反馈优化

调试 LiteLLM 提供的 AI 大模型接口时，支持自动合并消息内容

在调试 LiteLLM 提供的 AI 大模型接口时，Apifox 能自动合并流式消息内容，提供清晰连贯的响应展示，使查看和分析 AI 模型输出更加直观，提升了接口调试的效率和体验。

导入 OpenAPI 文件时，如果 body 定义了多种 media type，则按照顺序导入第 1 个

我们优化了 OpenAPI 文件的导入逻辑。当导入的接口 body 中定义了多种 media type 时， Apifox 会按照序列导入顺位第 1 个。对于包含多种内容类型定义的 API 文档提供了更清晰的导入行为。

导入 Postman 集合时，会导入集合、目录的说明

导入 Postman 集合时，支持完整导入集合和目录的说明，确保迁移过程中不会丢失重要信息，让团队能够保留原有的集合逻辑与业务说明。

解决当接口定义响应为 No-Content 时，对应 Mock 服务响应时间过长的问题

我们修复了当接口响应被定义为 No-Content 时，Mock 服务的响应时间异常的情况，确保了更快速和高效的响应，为开发和测试流程提供更好的支持。

了解更多

当然，Apifox 产品团队为大家带来的新功能远不止上方这些：

  • 支持优化了 App 打开项目后的性能
  • 为发布的在线文档配置邮箱白名单时，可以自定义登录页的详细说明与输入邮箱后的提示语
  • 从数据库导入数据表以创建数据模型时，支持搜索数据库连接
  • 编辑者角色默认包含手动导入数据的权限
  • 统计测试覆盖率时，不再包含已废弃状态的接口
  • 非项目团队的成员访问公开项目时，将无法查看鉴权组件的默认鉴权值
  • 在线文档的生成代码功能，支持鉴权组件
  • 解决无法批量移动测试场景的问题
  • 解决通过数据库连接导入数据模型时，不支持配置时使用了变量的数据库的问题
  • 解决特定情况下，使用 Apifox MCP Server 时接口返回 422 错误的问题
  • 解决将项目移交到其他团队后解散原团队，该项目的在线文档无法被访问的问题
  • 解决导入 OpenAPI/Swagger 文件时，如果 tag 名称包含 / 和空格，则无法正确创建目录的问题

除了以上功能，我们也对产品其他细节和使用体验进行了优化，具体修改内容可前往 Apifox 更新日志查看。

欢迎各位用户对 Apifox 继续提出使用反馈和优化意见，我们会持续优化更新，致力于为用户提供更优秀的产品功能和更极致的使用体验！

可以前往帮助文档查看更多功能使用说明和操作，有任何问题欢迎在 Apifox 用户群与我们交流沟通。

WEB语义化的新探索：浅析LLMs.txt
ekskef_sef的博客
12-25 882
LLMs.txt是一个具有特定结构的markdown文件， 由两类文件构成：/llms.txt: 简化的文档导航视图，帮助 AI 系统快速理解站点的结构/llms-full. txt: 在一个包含所有文档的综合文件llms.txt该文件必须以 H1项目名称开始，后面跟着一个描述摘要块。真正的创新在于如何处理内容组织。在初始摘要之后，文件可以包含由 H2标头描述的多个部分。每个部分都包含一个标记超链接列表，可以选择后跟描述性说明。
langchain-使用langchain构建LLMs应用实例.zip
02-23
在压缩包文件"langchain_使用langchain构建LLMs应用实例"中，很可能是包含了具体代码示例、教程文档或者演示项目，以帮助开发者更直观地了解如何使用Langchain构建LLMs应用。通过学习这些实例，你可以掌握从准备数据...
利用Apifox批量验证swagger接口鉴权问题
weixin_42487326的博客
02-21 373
利用Apifox批量验证swagger接口鉴权问题
【创新项目实训个人博客】apifox使用
zhengjiuzheDu的博客
04-07 447
（老师那边的api不支持并行，有人其他人在用就会卡住，而且一次对话装不下我们这么多的prompt和回复，我们还是用官方api，老师的不能满足我们项目的大prompt需求）可以看到，我使用默认的api网址成功了，本地测试项目是否存在bug可以使用本地api减少开发费用。往其中填入localhost网址，model，prompt。是否启用stream流式输出。apifox提供api接口的测试和使用。是对上次本地deepseekapi的补充。参考ollamaapi文档测试是否可用。
Apifox 全面支持 LLMs.txt：让 AI 更好地理解你的 API 文档
朱雀随云记的博客
04-16 1084
这些脚本是面向浏览器的，对于 AI 来说是无用的冗余信息，反而占用了 AI 对话的上下文长度，使 AI 响应变慢，而且让用户付出了额外的 Token 成本。Apifox 的用户，以及在线 API 文档的读者，可以根据自己的 AI 工作流选择一种最合适的方法，将 API 文档与 AI 深度集成，提高自己和团队的开发效率。全部 AI 助手，无论是否支持 MCP、是否支持联网，都可以读取简洁、精炼的 API 文档，深入理解 API 的参数定义，真正实现 AI 辅助开发的全方位支持。
LLMs.txt：让大模型更懂你的 Web 文档
Baihai_IDP的博客
04-11 694
然而，它们在处理网站内容时往往受限于有限的上下文窗口，加上 HTML 页面中大量非核心内容的干扰，导致理解效率低下。随后，越来越多的由 Mintlify 托管的文档开始采用这一标准，为 LLMs.txt 的提议创造了一波知名度。与 /llms.txt 仅提供导航视图和文档结构不同，/llms-full.txt 包含了全部的文档内容，这些内容都是用 markdown 编写的。目前，LLMs.txt 提供了一个切实有效的解决方案，帮助 AI 系统更深入地理解和运用网络资源，特别是在技术文档和 API 领域。
llms.txt文件
Criss@陈磊
03-10 259
目前llms.txt并没有收到普板的认可，并且在网站根目录创建。目前推荐创建llms.txt文件就可网站下面的robots.txt一样（robots.txt是告诉搜索引擎网站中那些部分可以被爬虫访问），llms.txt 是一套专门给大语言模型使用的，用于收集的网站中简洁干净的纯文本信息以帮助大模型在推理时使用网站的标准化提案。下面是mcp官网下的llms.txt，可以提供参考（https://modelcontextprotocol.io/llms-full.txt）
LLMs.txt是什么?有哪些平台支持它
weixin_45017726的博客
04-28 71
LLms.txt 是一个 Markdown 格式的文本文件，放在网站根目录，里面索引了网站内所有可供 LLM（大模型）处理的 Markdown 页面。此外，它还可简要描述每个页面内容、用途以及相关属性。目前已支持使用 llms.txt，你可以在“在线文档”中使用，例如。就启用了 llms.txt。
谷歌称LLMs.txt类似于关键词元标签：SEO影响与应对策略
lssffy的博客
04-19 1024
LLMs.txt由Answer.AI联合创始人Jeremy Howard于2024年9月提出，旨在为AI爬虫和大型语言模型提供一种标准化的方式，以访问网站的核心内容。目的：提供简化的内容视图，剔除广告、导航和次要元素，便于AI模型（如ChatGPT、Gemini）处理。结构：包含高价值内容的URL、简短描述和关键词，按类别组织（如“产品信息”、“博客文章”）。示例谷歌的John Mueller将LLMs.txt与关键词元标签相提并论，指出其效用有限、易被滥用且未被主流AI服务采用。
llms.txt 长什么样？怎么使用它？
weixin_45017726的博客
04-28 255
LLMs.txt是一个 Markdown 格式的文本文件，放在网站根目录，里面索引了网站内所有可供 LLM（大模型）处理的 Markdown 页面。此外，它还可简要描述每个页面内容、用途以及相关属性。，即可打开 Markdown 版本。这样，AI 助手读取内容时无需解析复杂网页，只需聚焦精炼的信息，大幅提升响应速度和理解力。目前已支持使用 llms.txt，你可以在“在线文档”中使用，例如。如果访问某个页面，只需在其 HTML URL 后加。就启用了 llms.txt。
中国混合MoE LLMs.zip
10-18
此外，中国混合MoE LLMs在多语言处理方面也展现出潜力，有望通过适当的调整和优化，实现对其他语言或方言的理解和生成，从而为构建全球化的语言模型提供有力支持。 中国混合MoE LLMs的提出和应用是中国在人工智能...
Generative AI and LLMs.pdf
04-09
Generative AI and LLMs.pdf
高压开关柜局部放电信号分析系统
m0_61057267的博客
04-28 1000
这个项目是我在2025年实现的高压开关柜局部放电信号分析系统，目的是通过采集分析局部放电信号，判断设备的工作状态和潜在故障。系统包含从信号模拟生成、特征提取、到深度学习模型训练的全流程，最终可自动生成分析报告。
Python项目--基于计算机视觉的手势识别控制系统
exlink2012的专栏
04-23 2661
随着人机交互技术的快速发展，传统的键盘、鼠标等输入设备已经不能满足人们对自然、直观交互的需求。手势识别作为一种非接触式的人机交互方式，具有操作自然、交互直观的特点，在智能家居、游戏控制、虚拟现实等领域有着广泛的应用前景。 本项目旨在开发一个基于计算机视觉的手势识别控制系统，通过摄像头捕获用户的手部动作，实时识别手势类型，并将识别结果转化为相应的控制命令，实现对计算机或其他设备的非接触式控制。
人工智能(AI)对网络管理的影响
ITmoster的博客
04-25 1322
AI正从工具演变为网络管理的“核心大脑”，其价值不仅在于效率提升，更在于为复杂问题提供系统性解决方案。
花费7元训练自己的GPT 2模型
最新发布
04-28 858
在上一篇博客中，我介绍了用Tensorflow来重现GPT 1的模型和训练的过程。这次我打算用Pytorch来重现GPT 2的模型并从头进行训练。GPT 2的模型相比GPT 1的改进并不多，主要在以下方面：1. GPT 2把layer normalization放在每个decoder block的前面。2. 最终的decoder block之后额外添加了一个layer normalization。3. 残差层的参数初始化根据网络深度进行调节。
tokenizer的用法
大多_C的博客
04-25 778
可以基于现有 tokenizer 进行修改，如添加自定义的 token（tokenizer.add_tokens([“新词”])），从而扩展词汇表，此时可调用 tokenizer.resize_token_embeddings(model) 更新模型嵌入层。]}，有时还会包含其他信息比如 “token_type_ids”、“offset_mapping”（用于对齐）等。• return_tensors: 指定返回类型，如 “pt”（PyTorch tensor）、“tf” 或 “np”（NumPy 数组）
使用llama_index.llms.llama_cpp需要pip安装什么
03-22
<think>好的，我现在需要解决用户关于如何通过pip安装llama_index.llms.llama_cpp依赖的问题。用户提到了使用`pip install llama-index[llama-cpp]`的要求和依赖，我需要先了解这个包的具体情况。 首先，我应该回忆一下llama-index和llama-cpp-python的关系。llama-index可能是一个高层库，而llama-cpp-python是底层绑定，用于与C++实现的模型交互。所以安装llama_index的llama-cpp支持可能需要先正确安装llama-cpp-python。 接下来，用户提供的引用中有几个关于安装llama-cpp-python的问题和解决方法。例如，引用[2]提到安装时出现OpenMP相关的错误，需要设置环境变量如`LDFLAGS`来链接libomp或libgomp。还有针对不同硬件（如Apple M系列、NVIDIA、AMD显卡）的CMAKE_ARGS参数。这些信息很重要，因为不同硬件需要不同的编译选项。 另外，引用[1]提到使用预编译的wheel文件安装，可以避免本地编译的问题，节省时间。用户可能需要优先推荐使用预编译版本，尤其是在CPU环境下。 然后，我需要整理安装步骤。首先，确保llama-cpp-python正确安装，可能包括处理环境变量和硬件特定的编译标志。然后，安装llama-index时指定llama-cpp的额外依赖，即使用`pip install llama-index[llama-cpp]`。可能还需要注意Python版本和系统依赖库，比如OpenMP的支持。 同时，用户可能遇到的问题包括编译失败、依赖缺失等。例如，在Linux系统中，可能需要安装gcc、cmake等构建工具，或者安装libopenblas-dev等库。对于错误信息如未找到libomp.so，需要指导用户如何查找并设置正确的环境变量。 最后，需要验证安装是否成功，可以建议用户导入模块并检查是否有错误。例如，尝试`from llama_index.llms import LlamaCPP`，如果没有报错则说明安装成功。 总结步骤应该是：安装系统依赖，设置硬件相关的环境变量，安装llama-cpp-python，最后安装llama-index的额外依赖。同时提供常见问题的解决方法，比如编译错误、缺少库文件等。</think>### 安装 `llama_index.llms.llama_cpp` 依赖的步骤 #### 1. **安装 `llama-cpp-python` 基础依赖** `llama_index` 的 `llama-cpp` 模块依赖 `llama-cpp-python` 库，需先正确安装它。以下是具体步骤： - **使用预编译版本（推荐）** 对于CPU环境，直接安装预编译的wheel文件，避免本地编译： ```bash pip install llama-cpp-python --extra-index-url https://abetlen.github.io/llama-cpp-python/whl/cpu ``` 这适用于大多数场景且节省时间[^1]。 - **硬件加速支持（可选）** 根据硬件类型添加编译参数： - **Apple M系列（Metal GPU加速）** ```bash CMAKE_ARGS="-DLLAMA_METAL=on" pip install llama-cpp-python ``` - **NVIDIA显卡（CUDA加速）** ```bash CMAKE_ARGS="-DLLAMA_CUBLAS=on" pip install llama-cpp-python ``` - **AMD显卡（HIP加速）** ```bash CMAKE_ARGS="-DLLAMA_HIPBLAS=on" pip install llama-cpp-python ``` 这些参数会启用GPU加速功能[^2]。 #### 2. **解决常见编译问题** 若安装时出现编译错误（如缺少OpenMP库）： - **查找并链接缺失的库** 例如，解决 `undefined reference to 'omp_get_thread_num'` 错误： ```bash # 查找 libomp.so 或 libgomp.so 的路径 find / -name "libomp.so" # 设置环境变量（路径需替换为实际值） export LDFLAGS="-L/usr/lib -lomp" # 或 -lgomp ``` 然后重新运行安装命令。 - **安装系统依赖** 确保已安装编译工具链： ```bash # Ubuntu/Debian sudo apt install build-essential cmake libopenblas-dev ``` #### 3. **安装 `llama-index` 的 `llama-cpp` 扩展** 安装主库并指定额外依赖： ```bash pip install "llama-index[llama-cpp]" ``` 这会自动安装 `llama-cpp-python` 和其他相关依赖。 #### 4. **验证安装** 测试是否成功导入模块： ```python from llama_index.llms import LlamaCPP # 无报错则安装成功 ``` ### 关键依赖说明 | 依赖项 | 作用 | 安装方式 | |----------------------|-----------------------------|------------------------------| | `llama-cpp-python` | 底层模型推理库 | 预编译或源码编译（需硬件参数） | | `llama-index` | 高层接口和功能实现 | `pip install "llama-index[llama-cpp]"` | | OpenMP库（如libomp） | 多线程并行计算支持 | 系统包管理或环境变量配置 | ### 常见问题解决 - **错误：`Failed to build wheels`** 检查Python版本（需≥3.8）和编译工具链，或尝试预编译版本[^3]。 - **GPU加速未生效** 确认硬件参数（如`CMAKE_ARGS`）正确设置，并安装对应驱动（如CUDA Toolkit）。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值