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。
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