Scribe文档工具中Scalar主题的路由子分组问题解析
2025-07-05 17:31:10作者:郁楠烈Hubert
问题背景
在使用Scribe文档工具为Laravel项目生成API文档时,开发者发现当使用Scalar主题时,路由的子分组功能无法正常工作。具体表现为:虽然主分组(如"Orders")能够正确显示,但使用@subgroup注解定义的子分组却无法在最终生成的文档中呈现。
技术分析
分组机制差异
Scribe默认支持通过@group和@subgroup注解对API路由进行层级分类。在标准Laravel主题下,这种分组机制工作正常,但在Scalar主题中出现了兼容性问题。
根本原因
经过调查发现,Scalar主题实现子分组的方式与Scribe不同。Scalar要求OpenAPI规范中包含特定的x-tagGroups扩展字段来定义标签分组结构,而当前版本的Scribe在生成OpenAPI规范时并未包含这个特殊字段。
解决方案探索
临时解决方案
对于急需使用此功能的开发者,可以采用以下临时方案:
- 创建一个自定义的OpenApiGenerator类
- 重写
root()和pathItem()方法 - 手动添加Scalar所需的
x-tagGroups结构
示例代码展示了如何实现这一过程,包括:
- 为每个主分组创建标签组
- 处理带有子分组的端点
- 生成符合Scalar要求的标签命名格式
长期建议
建议Scribe项目未来版本可以:
- 增加对Scalar主题的完整支持
- 在OpenAPI生成器中内置
x-tagGroups支持 - 提供更灵活的主题定制选项
最佳实践
对于当前需要同时使用Scribe和Scalar主题的开发者,建议:
- 评估是否必须使用Scalar主题,或可暂时使用默认主题
- 如必须使用,可采用上述自定义生成器方案
- 注意维护自定义代码,以便未来升级
总结
API文档工具的主题兼容性是一个常见挑战。Scribe作为流行的文档生成工具,与Scalar这样的现代主题集成时可能会遇到类似的分组显示问题。理解底层机制后,开发者可以通过扩展和定制来解决这些兼容性问题,同时也为工具的未来改进提供了方向。
登录后查看全文
热门项目推荐
相关项目推荐
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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-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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
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++
649
270
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
297
111
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
384
3.69 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
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
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
632
143