FastEndpoints项目中解决Swagger文档中nullable类型显示为OneOf的问题
在FastEndpoints项目中,当使用Swagger生成API文档时,开发者可能会遇到一个常见问题:nullable类型(可空类型)在Swagger UI中会以"OneOf"的形式展示,而不是直接显示为可空属性。这种情况虽然不影响功能,但会导致API文档不够直观,影响开发者体验。
问题现象
当我们在FastEndpoints项目中定义DTO(数据传输对象)时,如果某个属性被声明为可空类型(例如Person?),在生成的Swagger文档中,该属性会显示为"OneOf"结构,表示它可以是null或者Person对象。这与我们期望的直接显示为可空属性的方式不同。
例如,对于以下DTO定义:
sealed class Request
{
public string Id { get; set; }
public Person? Person { get; set; }
}
在Swagger UI中会显示为:
Person: OneOf
- null
- Person
而不是更直观的:
Person: Person (nullable)
问题原因
这个问题实际上源于NSwag(FastEndpoints底层使用的Swagger生成库)的默认行为。NSwag在处理可空引用类型时,会将其转换为一个"OneOf"结构,表示该属性可以是null或者指定类型的实例。
解决方案
FastEndpoints提供了配置选项来修改这一行为。我们可以通过设置NSwag的SchemaSettings来改变可空类型的展示方式:
bld.Services
.AddFastEndpoints()
.SwaggerDocument(d => d.DocumentSettings = s => s.SchemaSettings.AllowReferencesWithProperties = true);
这个配置告诉NSwag允许引用类型保留它们的属性,而不是将它们转换为"OneOf"结构。启用后,可空属性将直接显示为可空类型,使API文档更加清晰易读。
最佳实践
-
一致性:在整个项目中保持一致的Swagger文档风格,要么全部使用"OneOf"表示可空性,要么全部直接显示为可空属性。
-
文档清晰性:对于大多数项目,直接显示为可空属性更符合开发者的直觉,推荐使用上述配置。
-
版本兼容性:注意此配置在不同版本的NSwag中可能有不同的表现,升级NSwag版本时需要验证此功能是否仍然有效。
-
团队沟通:如果团队已经习惯了"OneOf"的表示方式,或者有特殊需求,可以保留默认行为。
通过理解这个问题及其解决方案,开发者可以更好地控制FastEndpoints项目生成的Swagger文档格式,提升API文档的可读性和一致性。
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