在ts-rest中使用@anatine/zod-openapi增强OpenAPI文档
2025-06-28 00:20:30作者:丁柯新Fawn
ts-rest是一个强大的TypeScript API契约定义工具,它允许开发者使用Zod模式来定义API契约。结合@anatine/zod-openapi库,我们可以为这些Zod模式添加丰富的OpenAPI元数据,从而生成更详细、更专业的API文档。
为什么需要OpenAPI扩展
在标准的ts-rest使用中,我们使用Zod来定义API的请求和响应模式。虽然这已经能生成基本的OpenAPI文档,但有时我们需要为文档添加更多细节,比如:
- 字段的描述信息
- 示例值
- 标题和更详细的说明
- 其他OpenAPI特有的元数据
这正是@anatine/zod-openapi发挥作用的地方。它扩展了Zod,允许我们为每个字段和整个模式添加OpenAPI特定的元数据。
如何使用扩展功能
首先需要初始化扩展环境:
import { z } from 'zod';
import { extendZodWithOpenApi } from '@anatine/zod-openapi';
// 扩展Zod以支持OpenAPI
extendZodWithOpenApi(z);
然后就可以在定义API契约时使用.openapi()方法来添加元数据:
import { initContract } from '@ts-rest/core';
const c = initContract();
export const contract = c.router({
getUser: {
method: 'GET',
path: '/users/:id',
pathParams: z.object({
id: z.string(),
}),
responses: {
200: z
.object({
id: z.string().uuid().openapi({
title: 'Unique ID',
description: 'A UUID generated by the server',
}),
name: z.string(),
phoneNumber: z.string().min(10).openapi({
description: 'US phone numbers only',
example: '555-555-5555',
}),
})
.openapi({
title: 'User',
description: 'A user schema',
}),
},
},
});
元数据类型详解
.openapi()方法可以接受多种OpenAPI元数据:
-
字段级元数据:
- title:字段的标题
- description:字段的详细描述
- example:字段的示例值
- format:字段的格式(如date-time, uuid等)
-
模式级元数据:
- 对整个对象模式添加标题和描述
- 定义外部文档链接
- 添加其他OpenAPI规范支持的元数据
最佳实践
-
为关键字段添加描述:特别是那些有特殊格式要求或业务含义的字段。
-
提供示例值:这能帮助API使用者更好地理解如何使用你的API。
-
保持一致性:在整个API中保持相似的文档风格和详细程度。
-
不要过度文档化:只为真正需要解释的部分添加元数据,避免文档过于冗长。
通过这种方式,ts-rest生成的OpenAPI文档将更加专业和实用,极大地提升API的可理解性和易用性。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218