Rswag中处理多对象查询参数的实践指南
问题背景
在使用Rswag进行API文档生成和测试时,开发者经常会遇到需要传递多个对象作为查询参数的情况。例如,在一个搜索接口中,我们可能需要同时传递搜索条件(search)和分页信息(pagination)两个对象参数。
常见错误做法
许多开发者会尝试以下写法:
parameter name: :search, in: :query, schema: {
type: :object,
properties: {
query: { type: :string, example: 'foo' },
sort: { type: :string, example: 'created_at_desc' }
}
}
parameter name: :pagination, in: :query, schema: {
type: :object,
properties: {
page: { type: :integer, example: 1 },
per: { type: :integer, example: 10 }
}
}
这种写法虽然生成的YAML文档看起来正确,但在实际测试时会产生错误的查询字符串格式,如search?query=foo&sort=created_at_desc&page=1&per=10,这不符合Rails处理嵌套参数的惯例。
解决方案一:使用params包装器
最可靠的方式是将所有对象参数包装在一个顶层params对象中:
parameter name: :params, in: :query, schema: {
type: :object,
properties: {
search: {
type: :object,
properties: {
query: { type: :string, example: 'foo' },
sort: { type: :string, example: 'created_at_desc' }
}
},
pagination: {
type: :object,
properties: {
page: { type: :integer, example: 1 },
per: { type: :integer, example: 10 }
}
}
}
}
对应的测试用例写法:
response 200, 'success' do
let(:params) { { search: { query: 'foo', sort: 'created_at_desc' }, pagination: { page: 1, per: 10 } } }
run_test!
end
这种方式会生成符合Rails惯例的查询字符串格式:?search[query]=foo&search[sort]=created_at_desc&pagination[page]=1&pagination[per]=10
解决方案二:使用deepObject样式
OpenAPI 3.0+支持通过style: :deepObject参数来指定嵌套对象的序列化方式:
parameter name: :search, in: :query, schema: {
type: :object,
properties: {
query: { type: :string, example: 'foo' },
sort: { type: :string, example: 'created_at_desc' }
}
}, style: :deepObject
parameter name: :pagination, in: :query, schema: {
type: :object,
properties: {
page: { type: :integer, example: 1 },
per: { type: :integer, example: 10 }
}
}, style: :deepObject
这种方式理论上应该生成类似?search[query]=foo&search[sort]=created_at_desc&pagination[page]=1&pagination[per]=10的查询字符串,但在某些Rswag版本中可能存在兼容性问题。
最佳实践建议
-
优先使用params包装器方案:这是最稳定可靠的方式,兼容性最好,生成的文档结构也清晰。
-
注意参数命名一致性:确保测试用例中的参数名(:params)与文档定义中的参数名一致。
-
考虑API使用者体验:无论选择哪种方式,都应确保生成的API文档清晰易读,参数结构一目了然。
-
版本兼容性检查:如果使用deepObject样式,需要确认使用的Rswag版本是否完全支持OpenAPI 3.0规范。
总结
在Rswag中处理多对象查询参数时,开发者需要特别注意参数的嵌套结构和序列化方式。通过合理使用params包装器或deepObject样式,可以确保生成的API文档和实际请求格式符合预期。在实际项目中,建议根据团队的技术栈和API设计规范选择最适合的方案。
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-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