OpenAPI-TS 项目中请求响应模型生成问题的深度解析
2025-07-01 20:36:11作者:秋泉律Samson
在基于 OpenAPI 规范的前端代码生成过程中,一个常见但容易被忽视的问题是:当 API 接口的请求和响应使用相同 Schema 但通过 readOnly/writeOnly 属性区分不同字段时,代码生成工具能否正确识别并生成独立的类型定义。本文将以 openapi-ts 项目为例,深入分析这一技术问题及其解决方案。
问题现象
在典型的认证场景中,我们经常会遇到这样的数据结构设计:
- 请求体需要提交 email 和 password 字段
- 响应体则返回 access 和 refresh token 字段
在 OpenAPI 规范中,规范的写法是通过同一个 Schema 定义,但使用 writeOnly 和 readOnly 属性来区分字段的读写方向:
"TokenObtainPair": {
"properties": {
"email": {"type": "string", "writeOnly": true},
"password": {"type": "string", "writeOnly": true},
"access": {"type": "string", "readOnly": true},
"refresh": {"type": "string", "readOnly": true}
}
}
理想情况下,代码生成工具应该自动生成:
- 请求类型:只包含 email 和 password
- 响应类型:只包含 access 和 refresh
但实际生成的类型定义却混合了所有字段,导致类型系统无法正确反映 API 的实际约束。
技术背景
OpenAPI 3.0 规范明确支持通过 readOnly 和 writeOnly 属性来定义字段的传输方向:
- readOnly=true:仅出现在响应中
- writeOnly=true:仅出现在请求中
- 两者都为 false:双向传输
这种设计在 RESTful API 中非常常见,特别是在以下场景:
- 认证令牌的获取与刷新
- 包含敏感信息的创建/更新操作
- 包含计算字段的查询响应
解决方案分析
在 openapi-ts 项目中,这个问题已被识别并修复。其核心解决思路是:
- Schema 预处理阶段识别 readOnly/writeOnly 标记
- 根据操作类型(请求/响应)过滤相应字段
- 生成独立的接口类型定义
修复后的类型生成结果应该类似:
// 请求类型
type TokenObtainPairRequest = {
email: string;
password: string;
};
// 响应类型
type TokenObtainPairResponse = {
access: string;
refresh: string;
};
最佳实践建议
对于开发者使用 openapi-ts 或其他代码生成工具时,建议:
- 始终明确定义字段的 readOnly/writeOnly 属性
- 验证生成的类型是否正确地分离了请求/响应模型
- 在复杂场景中考虑手动定义类型补充
- 定期更新生成工具以获取最新修复
总结
OpenAPI 规范中的读写控制属性是 API 设计的重要特性,代码生成工具对其的正确支持关系到类型系统的准确性。通过 openapi-ts 项目的这一修复案例,我们可以看到现代 API 开发工具链正在不断完善对 OpenAPI 规范的支持深度,为开发者提供更精准的类型安全保证。
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
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
🔥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
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.87 K
暂无简介
Dart
671
155
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
260
322
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++
661
309
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.19 K
653
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1