TSED框架中为@BodyParams添加描述的解决方案
在TSED框架开发过程中,开发者经常会遇到需要为API接口的请求体参数添加详细描述的需求。本文将以一个实际案例为基础,深入探讨如何正确地为@BodyParams装饰器添加描述信息,并分析其背后的技术原理。
问题背景
在构建RESTful API时,良好的文档是必不可少的。TSED框架通过装饰器提供了强大的Swagger文档生成能力。然而,当开发者尝试为@BodyParams参数添加描述时,可能会遇到描述信息没有正确显示在生成的Swagger文档中的问题。
典型场景分析
考虑以下常见场景:一个文件上传接口需要接收三个参数:
- 文件本身(通过
@MultipartFile接收) - 文件URL(通过
@BodyParams接收) - 文件密码(通过
@BodyParams接收)
开发者期望为每个参数添加独立的描述信息,但实际生成的Swagger文档中,描述信息只出现在请求体的顶层,而不是各个参数上。
解决方案
TSED框架从7.69.2版本开始,已经修复了这个问题。现在开发者可以按照以下方式为每个@BodyParams参数添加描述:
@Post("/upload")
async uploadFile(
@Description("The file you want to upload")
@MultipartFile("file")
file?: PlatformMulterFile,
@Description("The URL of the file you want to upload")
@BodyParams("url")
url?: string,
@Description("Set a password for this file...")
@BodyParams("password")
password?: string
) {
// 方法实现
}
技术实现原理
在底层实现上,TSED框架通过以下机制支持参数级别的描述:
-
装饰器组合:
@Description装饰器会与@BodyParams装饰器协同工作,将描述信息存储在元数据中。 -
Swagger转换:当生成OpenAPI/Swagger规范时,框架会正确地将参数级别的描述信息映射到对应字段的
description属性上。 -
多部分请求处理:对于
multipart/form-data类型的请求,框架会特殊处理文件上传和其他参数的组合情况。
最佳实践
-
描述清晰明确:为每个参数提供准确、清晰的描述,帮助API使用者理解参数用途。
-
保持一致性:在整个项目中保持描述风格的一致性,便于维护和理解。
-
考虑国际化:如果项目需要支持多语言,可以考虑将描述信息提取到单独的国际化文件中。
-
结合其他装饰器:可以结合
@Required、@Example等装饰器,提供更完整的API文档。
总结
TSED框架通过灵活的装饰器系统,为开发者提供了强大的API文档生成能力。正确使用@Description与@BodyParams的组合,可以生成清晰、专业的API文档,极大提升开发效率和API可用性。随着框架的不断更新,这类文档相关的功能也在持续完善中。
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 StartedRust098- 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
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00