在TsED项目中使用@Examples()装饰器增强Swagger文档
概述
TsED框架提供了强大的装饰器功能来增强API文档的生成。其中@Examples()装饰器是一个非常实用的工具,它允许开发者为API参数或模型属性定义多个示例值,从而在Swagger UI中生成直观的下拉选择框。
问题背景
在TsED项目中,开发者经常需要为API参数提供示例值。当参数直接定义在控制器方法中时,可以使用@Examples()装饰器轻松实现这一需求。但随着项目规模扩大,开发者倾向于将参数封装到模型类中,这时就遇到了@Examples()装饰器无法直接在模型属性上使用的问题。
解决方案
TsED 7.66.0版本对此进行了优化,现在可以在模型类上使用@Examples()装饰器。以下是具体实现方式:
基本用法
class QueryParamModel {
@Property()
path: string;
@Property()
condition: string;
@Property()
value: string;
}
@Path("/query")
class QueryModelCtrl {
@OperationPath("GET", "/")
async get(
@QueryParams()
@Examples({
example1: {
description: "description1",
value: {
path: "path1",
condition: "condition1"
}
},
example2: {
description: "description1",
value: {
path: "path2",
condition: "condition2"
}
}
})
q: QueryParamModel
) {}
}
生成效果
上述代码会生成包含示例值的Swagger文档,每个属性都会显示对应的示例选项:
{
"paths": {
"/query": {
"get": {
"parameters": [
{
"in": "query",
"name": "path",
"examples": {
"example1": {
"description": "description1",
"value": "path1"
},
"example2": {
"description": "description1",
"value": "path2"
}
},
"schema": {
"type": "string"
}
},
{
"examples": {
"example1": {
"description": "description1",
"value": "condition1"
},
"example2": {
"description": "description1",
"value": "condition2"
}
},
"in": "query",
"name": "condition",
"schema": {
"type": "string"
}
}
]
}
}
}
}
技术细节
-
装饰器位置:@Examples()装饰器应放在模型类作为参数使用的装饰器之后,如@QueryParams()之后。
-
示例结构:示例对象需要遵循特定格式,包含description和value属性,value值应与模型结构匹配。
-
自动映射:框架会自动将模型级别的示例值映射到各个属性上,无需为每个属性单独定义示例。
-
Swagger UI效果:生成的文档会在Swagger UI中为每个参数显示下拉选择框,方便API使用者快速选择预定义的示例值。
最佳实践
-
语义化示例名称:为每个示例使用有意义的名称,方便识别。
-
完整描述:为每个示例提供清晰的description,说明使用场景。
-
覆盖典型场景:提供足够多的示例覆盖常见使用场景。
-
保持一致性:确保示例值与实际业务逻辑一致,避免误导API使用者。
总结
TsED框架通过增强@Examples()装饰器的功能,使开发者能够更灵活地为模型类定义示例值,大大提升了API文档的可用性和开发体验。这一改进特别适合大型项目中使用模型类封装参数的场景,既保持了代码的整洁性,又提供了丰富的文档支持。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00