首页
/ OpenAPI-TS 项目中 TanStack Query 生成器命名优化方案

OpenAPI-TS 项目中 TanStack Query 生成器命名优化方案

2025-07-01 19:45:22作者:史锋燃Gardner

背景介绍

在 OpenAPI-TS 项目中,当开发者使用 TanStack Query 插件生成 API 客户端代码时,会遇到一个常见的命名规范问题:对于 POST 请求的搜索端点,默认会生成一个 mutation 操作,而实际上这类端点更适合作为查询(query)操作使用。

问题本质

在 RESTful API 设计中,虽然 POST 请求通常用于创建资源(mutation),但有时也会用于复杂查询场景,特别是当查询参数过于复杂无法通过 URL 参数传递时。这种情况下,开发者更希望将这些 POST 端点作为查询(query)而非变更(mutation)来处理。

现有解决方案

当前 OpenAPI-TS 的 TanStack Query 插件已经提供了解决方案:

  1. 对于所有端点都会生成一个 xxxOptions 函数
  2. 这个函数返回的选项可以直接用于 useQueryuseMutation 钩子
  3. 开发者可以自由选择将 POST 端点用作查询还是变更

例如:

const query = useQuery({
  ...postLoansOptions({
    body: {
      query: {
        op: 'eq',
        args: { property: 'zipCode', value: '90815' },
      },
    },
  }),
});

改进方向

虽然现有方案功能完整,但从开发者体验角度仍有优化空间:

  1. 命名一致性:目前生成的函数统一使用 Options 后缀,而开发者可能期望更明确的 QueryMutation 后缀

  2. 可配置性:可以增加配置选项,允许开发者:

    • 自定义生成函数的命名模式
    • 为特定端点强制指定生成查询或变更操作
    • 基于 OpenAPI 文档中的 operationId 或路径模式进行规则匹配
  3. 文档增强:更突出地展示如何将 POST 端点用作查询的最佳实践

技术实现建议

要实现更灵活的命名配置,可以考虑以下方案:

// 配置示例
{
  namingConvention: {
    query: {
      pattern: '{operationId}Query', // 或 '{pathName}Query'
      overrides: [
        {
          path: '/search',
          method: 'post',
          type: 'query' // 强制作为查询
        }
      ]
    },
    mutation: {
      pattern: '{operationId}Mutation'
    }
  }
}

最佳实践

对于搜索类 POST 端点,推荐以下处理方式:

  1. 语义明确:在 OpenAPI 文档中为搜索类 POST 端点添加明确的 operationId,如 searchUsers

  2. 类型安全:利用生成的类型定义确保查询参数和返回值的类型安全

  3. 性能优化:对于高频搜索,考虑结合 TanStack Query 的缓存策略优化性能

总结

OpenAPI-TS 项目为 TanStack Query 集成提供了坚实的基础设施,通过合理的配置和命名优化,可以进一步提升开发者体验。未来可以考虑增加更灵活的命名配置选项,同时保持现有功能的向后兼容性。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
docsdocs
暂无描述
Markdown
832
5.52 K
kernelkernel
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
497
522
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
808
1.17 K
ops-nnops-nn
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
802
1.6 K
ops-transformerops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
982
2.32 K
kernelkernel
deepin linux kernel
C
33
16
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.05 K
786
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
486
315
ops-mathops-math
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++
1.21 K
1.27 K
cann-learning-hubcann-learning-hub
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
668
316