Swagger UI 中如何设置示例标签为默认显示
在 Swagger UI 的使用过程中,许多开发者发现从某个版本开始,API 文档的响应部分默认显示的是模型/架构(Model/Schema)标签,而不是之前的示例(Examples)标签。这一变化虽然不影响功能,但对于那些更关注实际响应示例而非数据结构的开发者来说,可能会带来一些不便。
问题背景
Swagger UI 是一个流行的 API 文档工具,它能够根据 OpenAPI/Swagger 规范自动生成交互式文档界面。在展示 API 响应时,Swagger UI 提供了多个标签页,主要包括:
- 示例(Examples)标签:展示实际的响应示例数据
- 模型/架构(Model/Schema)标签:展示响应数据的结构定义
在较新版本的 Swagger UI 中,默认会显示模型/架构标签,而许多开发者更习惯或更希望默认显示示例标签,因为示例数据更直观,能更快理解 API 的实际响应格式。
解决方案
要解决这个问题,关键在于理解 Swagger UI 的配置选项。Swagger UI 提供了一个名为 defaultModelRendering 的配置项,它控制着默认显示的标签类型。
配置方法
-
移除默认模型渲染设置:如果你在初始化 Swagger UI 时显式设置了
defaultModelRendering: 'model',这会导致默认显示模型标签。移除这个设置即可恢复默认行为。 -
显式设置示例为默认:虽然 Swagger UI 没有直接提供设置示例为默认的选项,但通过不设置
defaultModelRendering或将其设置为其他值,可以实现示例标签默认显示的效果。
推荐配置
以下是推荐的 Swagger UI 初始化配置:
SwaggerUI({
spec: apiSpec,
defaultModelsExpandDepth: -1,
dom_id: '#container',
showExtensions: true,
deepLinking: true
})
注意这里没有包含 defaultModelRendering 配置项,这样 Swagger UI 会使用其内部默认行为,通常会优先显示示例标签。
技术原理
Swagger UI 的标签显示逻辑是由其内部渲染引擎控制的。defaultModelRendering 配置项接受以下可能的值:
'model':强制默认显示模型标签'example':理论上应该显示示例标签,但在实际测试中效果可能不一致- 不设置或设置为其他值:使用 Swagger UI 的默认行为
在大多数情况下,不设置此选项或将其设置为非 'model' 的值,Swagger UI 会优先显示更用户友好的示例标签。
最佳实践
对于 API 文档开发者,建议:
- 保持配置简洁:除非有特殊需求,否则不要过度配置 Swagger UI
- 测试不同版本:Swagger UI 不同版本可能有细微差异,建议在实际环境中测试配置效果
- 考虑用户习惯:大多数 API 使用者更关注实际示例而非数据结构模型
通过合理配置 Swagger UI,开发者可以创建出既美观又实用的 API 文档界面,提升开发者的使用体验。
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-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