Scramble项目中如何隐藏文档UI中的Schemas部分
Scramble是一个用于生成API文档的工具,它能够自动从Laravel应用中生成OpenAPI规范的文档。在使用过程中,开发者可能会遇到需要隐藏文档UI中Schemas部分的需求,本文将详细介绍如何实现这一功能。
问题背景
在Scramble项目中,当开发者使用"Multiple API versions"功能管理多个API文档时,可能会发现某些资源类(Resource Classes)会出现在文档UI的Schemas部分,即使这些资源类并没有被当前API的控制器或资源类引用。这可能会造成文档界面的混乱,影响开发者对核心API的理解和使用。
解决方案
经过社区讨论和技术验证,发现可以通过配置elements-api标签的hideSchemas属性来隐藏Schemas部分。具体实现步骤如下:
- 首先需要发布Scramble的配置文件,通过运行以下Artisan命令:
php artisan vendor:publish
在提示中选择Dedoc\Scramble\ScrambleServiceProvider以发布配置文件。
- 在生成的docs.blade.php文件中,找到elements-api标签,添加hideSchemas属性:
<elements-api
id="docs"
tryItCredentialsPolicy="{{ $config->get('ui.try_it_credentials_policy', 'include') }}"
router="hash"
@if($config->get('ui.hide_try_it')) hideTryIt="true" @endif
logo="{{ $config->get('ui.logo') }}"
hideSchemas="true"
/>
技术原理
这个解决方案利用了Stoplight Elements的配置选项。Stoplight Elements是Scramble底层使用的文档渲染引擎,它提供了丰富的配置选项来自定义文档UI的显示方式。hideSchemas属性就是其中之一,当设置为true时,会完全隐藏文档中的Schemas部分。
注意事项
-
在隐藏Schemas部分前,建议确认这些Schema确实不需要展示。有时Schema被显示可能是因为存在深层引用关系,而不是配置错误。
-
隐藏Schemas部分后,相关的模型定义仍然会出现在各个端点的描述中,不会影响文档的完整性。
-
这一配置适用于Scramble 0.12.9及以上版本。
总结
通过简单的配置调整,开发者可以灵活控制Scramble生成的API文档界面,隐藏不需要显示的Schemas部分,使文档更加简洁清晰。这一功能特别适合那些希望专注于端点描述而不是底层数据结构的API文档场景。
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-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