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:
- 对于所有端点都会生成一个
xxxOptions函数 - 这个函数返回的选项可以直接用于
useQuery或useMutation钩子 - 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:
-
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Query或Mutation后缀 -
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
-
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:
-
语义明确:在 OpenAPI 文档中为搜索类 POST 端点添加明确的
operationId,如searchUsers -
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
-
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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
Ascend Extension for PyTorch
Python
649
795
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
434
395
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++
1.01 K
1.01 K
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.24 K
153
deepin linux kernel
C
30
16
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
146
237
暂无简介
Dart
985
252
昇腾LLM分布式训练框架
Python
166
198
🎉 (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
1.68 K
989