Zod 项目新增 example 参数支持详解
在 API 开发中,Schema 定义和文档生成是至关重要的环节。Zod 作为一个强大的 TypeScript Schema 声明和验证库,近期在 v4 版本中新增了对 example 参数的支持,这为开发者提供了更完善的 API 文档生成能力。
功能背景
在实际开发中,我们经常需要为 API 参数提供示例值,这在生成 OpenAPI/Swagger 文档时尤为重要。示例值能够帮助前端开发者更直观地理解 API 的使用方式,也能让测试人员更容易构造测试数据。
使用方式
在 Zod v4 中,我们可以通过 metadata 功能为字段添加示例值。具体实现方式如下:
const apiSchema = {
params: z.object({
id: z.string().describe('An identifier for the resource.')
.meta({ example: '9c235211-6834-11ea-a78c-6feb38a34414' })
})
};
这种写法比直接传递参数更加灵活,因为 metadata 可以承载各种附加信息,而不仅仅是示例值。
转换效果
当使用 zod-to-json-schema 等工具将上述 Schema 转换为 JSON Schema 时,会生成如下结构:
{
"name": "id",
"in": "path",
"required": true,
"schema": {
"type": "string",
"example": "9c235211-6834-11ea-a78c-6feb38a34414"
},
"description": "An identifier for the resource."
}
最终在 Swagger UI 等文档工具中,这些示例值会直观地展示出来,极大提升了 API 文档的可读性和实用性。
技术实现原理
Zod v4 通过引入 metadata 的概念,为 Schema 提供了扩展能力。metadata 本质上是一个键值对集合,可以附加到任何 Zod Schema 上。当使用转换工具时,这些 metadata 会被提取并转换为目标格式(如 OpenAPI)对应的字段。
这种设计有几个优势:
- 扩展性强:可以添加任意类型的附加信息
- 类型安全:TypeScript 可以正确推断 metadata 的类型
- 非侵入式:不影响原有的 Schema 验证逻辑
最佳实践
在实际项目中,建议为重要的 API 参数都添加示例值,特别是:
- ID 类参数
- 枚举值参数
- 复杂格式参数(如日期时间、正则表达式等)
- 业务特定格式的参数
同时,示例值应该:
- 具有代表性,能展示参数的典型用法
- 格式正确,能通过 Schema 验证
- 不包含敏感信息
总结
Zod 对 example 参数的支持,进一步完善了其作为全栈 TypeScript 开发工具链中重要一环的角色。通过 metadata 机制实现的这一功能,既保持了 Zod 原有的简洁性,又提供了足够的灵活性,是 API 开发工作流中值得采用的新特性。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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-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
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