OpenAPI TypeScript 项目中排除弃用参数的实现问题分析
在 OpenAPI TypeScript 项目中,开发者发现了一个关于参数过滤的重要问题:当使用 --exclude-deprecated 标志时,弃用(deprecated)的查询参数(query parameters)和路径参数(path parameters)没有被正确排除。
问题背景
OpenAPI 规范允许开发者通过设置 deprecated: true 来标记某些参数为弃用状态。在生成 TypeScript 类型定义时,项目提供了 --exclude-deprecated 标志来过滤掉这些弃用的参数,以保持生成的类型定义干净整洁。
然而,在实际使用中发现,虽然这个标志对响应体(response body)中的弃用字段有效,但对于查询参数和路径参数却不起作用。这意味着即使标记了 deprecated: true,这些参数仍然会出现在生成的类型定义中。
技术细节分析
从技术实现角度来看,这个问题源于操作对象(operation object)转换器中对参数的处理逻辑不够完善。在当前的实现中,虽然能够识别参数的弃用状态并添加 @deprecated 注释,但并没有在 --exclude-deprecated 标志启用时真正过滤掉这些参数。
以查询参数为例,一个典型的 OpenAPI 定义可能如下:
parameters:
- schema:
type: string
deprecated: true
in: query
name: id
理想情况下,当启用 --exclude-deprecated 时,生成的类型定义应该完全排除这个 id 参数。但实际输出却保留了该参数,只是添加了弃用注释。
解决方案
解决这个问题的关键在于修改操作对象转换器中的参数处理逻辑。具体需要:
- 在转换参数对象时,检查
--exclude-deprecated标志是否启用 - 如果标志启用,则过滤掉所有标记为
deprecated: true的参数 - 确保过滤操作同时适用于查询参数、路径参数等所有参数类型
这种修改保持了向后兼容性,因为当不启用 --exclude-deprecated 标志时,行为与之前完全一致。
对开发者的影响
这个问题的修复将带来以下好处:
- 更干净的API接口定义:开发者可以确保弃用的参数不会出现在类型系统中
- 更好的代码维护性:团队可以放心地标记弃用参数,而不用担心它们会污染代码库
- 更一致的开发体验:所有类型的弃用参数(查询、路径等)都将被一致处理
对于使用 OpenAPI TypeScript 生成前端类型定义的项目来说,这个修复将显著提升开发体验和代码质量。
总结
OpenAPI TypeScript 项目中的这个参数过滤问题虽然看似简单,但却影响着生成的类型定义的质量。通过修复这个问题,项目将提供更强大、更一致的弃用参数处理能力,帮助开发者构建更健壮的API客户端代码。
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