在Scribe中正确使用递归Schema生成API文档
2025-07-05 07:09:46作者:冯梦姬Eddie
问题背景
在使用Scribe生成API文档时,开发者经常会遇到资源转换(Resource)与文档生成不匹配的问题。特别是当API返回结构包含嵌套资源时,如何确保文档能够完整展示这些嵌套结构就成为一个关键问题。
核心问题分析
从案例中我们可以看到,开发者定义了一个资源类(Resource),其中包含了多个字段和嵌套资源:
return [
'id' => $this->id,
'name' => $this->name,
'description' => $this->description,
'stats_ongoing' => $this->stats_ongoing,
'probe_type' => new ProbeTypesResource($this->probeType),
'created_at' => new DateTimeResource($this->created_at),
'updated_at' => new DateTimeResource($this->updated_at),
'rules' => $this->when('api/probes' === $request->route()->getPrefix(), fn() => ProbeRulesResource::collection($this->rules)),
'last_metrics' => ProbeMetricsResource::collection($metrics),
];
但在生成的文档中,这些嵌套资源并没有被正确展示,只显示了基础字段。
解决方案
关键在于正确使用ResponseFromApiResource注解。开发者最初使用的是:
#[ResponseFromApiResource(ProbesCollection::class, Probes::class)]
这会导致Scribe无法正确识别嵌套的资源结构。正确的做法应该是:
#[ResponseFromApiResource(ProbesResource::class, Probes::class, collection: true)]
技术原理
-
资源类与集合类的区别:
- 资源类(Resource)定义了单个资源的转换逻辑
- 集合类(Collection)是资源类的集合包装
- 直接使用集合类会导致Scribe无法解析内部结构
-
collection参数的作用:
- 当设置为true时,Scribe会自动处理为集合响应
- 同时仍能保持对单个资源结构的解析能力
-
递归解析机制:
- Scribe会深度遍历资源类中定义的所有字段
- 遇到嵌套资源时会继续解析其结构
- 最终生成完整的响应Schema
最佳实践
- 始终优先使用资源类作为ResponseFromApiResource的第一个参数
- 对于集合响应,使用collection参数而非集合类
- 确保所有嵌套资源都正确定义了toArray方法
- 复杂条件字段(如when)可能需要额外处理以确保文档一致性
总结
通过正确使用ResponseFromApiResource注解及其参数,开发者可以确保Scribe能够完整解析API的响应结构,包括各种嵌套资源。这不仅提高了文档的准确性,也使得API消费者能够更好地理解接口返回的数据结构。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0215
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0138
uni-appA cross-platform framework using Vue.jsJavaScript08
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
470
465
暂无描述
Dockerfile
778
5.08 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
876
2.03 K
Ascend Extension for PyTorch
Python
758
968
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
697
1.4 K
昇腾LLM分布式训练框架
Python
185
231
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
271
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
2.25 K
677