Swift OpenAPI Generator 中如何控制生成代码的访问权限
在 Swift 项目中,当我们使用 OpenAPI Generator 自动生成客户端代码时,经常会遇到生成的类型默认是 internal 访问级别的问题。这会导致在测试模块中无法直接使用这些类型,给测试工作带来不便。
问题背景
OpenAPI Generator 生成的代码默认使用 internal 访问修饰符,这意味着生成的类型只能在定义它们的模块内部使用。当我们需要在测试模块中使用这些类型时,就会遇到访问权限不足的问题。
解决方案
OpenAPI Generator 提供了 accessModifier 配置选项,允许开发者自定义生成代码的访问级别。这个选项支持三种值:
public:生成的 API 可以被其他模块和其他包访问package:生成的 API 可以在同一个包或项目中的其他模块间访问internal(默认值):生成的 API 只能在定义它的模块内访问
配置示例
要解决测试模块访问生成类型的问题,可以在 OpenAPI Generator 的配置文件中添加 accessModifier 设置:
generate:
- types
- client
accessModifier: public
或者,如果只需要在同一个包内共享访问权限,可以使用更安全的 package 选项:
generate:
- types
- client
accessModifier: package
其他可选方案
除了修改生成代码的访问级别外,还有以下替代方案:
-
使用 @testable import:在测试文件中使用
@testable import可以访问目标模块的 internal 成员,但这种方法需要在测试代码中添加额外的注解。 -
类型别名:虽然直接创建 public 类型别名不可行(因为底层类型是 internal),但可以通过在原始模块中定义 public 包装类型来间接实现。
最佳实践建议
-
优先考虑使用
package而非public,除非确实需要将类型暴露给外部包使用。 -
对于仅用于测试的场景,
@testable import可能是更合适的选择,因为它不会影响生产代码的访问控制。 -
在设计 API 时,考虑哪些类型确实需要被测试模块访问,避免过度暴露实现细节。
通过合理配置 OpenAPI Generator 的访问控制选项,可以灵活地平衡代码封装性和测试便利性,为 Swift 项目开发提供更好的支持。
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-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