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。
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