服务端之NestJS接口响应message编写规范详解、写给前后端都舒服的接口、API提示信息标准化

服务端之NestJS接口响应message编写规范详解、写给前后端都舒服的接口、API提示信息标准化


前言

在现代后端开发中,接口响应不仅仅是数据的传递,还承担着向前端或用户传递操作状态和结果的功能。一个规范、统一的message字段设计,可以显著提升系统的可维护性、前端开发效率和用户体验。

定义

响应结构示例(NestJS风格)

各字段作用

提示信息设计原则

简洁明了
1、不宜过长,一般3~12个汉字。
2、避免含糊不清的词,如“完成了”、“OK”等。


统一风格
1、同一项目接口建议使用统一动词+状态组合,例如:获取数据成功、数据加载完成。


上下文清晰
1、提示信息应体现操作对象或类型,如“用户列表获取成功”而不是“获取成功”。


可扩展与模板化
1、对于多类型数据返回,可使用模板化语法:


2、如 设备列表获取成功、订单数据获取成功

面向用户与面向开发分层
1、前端提示:简短易懂,强调用户操作状态。
2、后台日志 / 文档:正式、完整,便于排查接口状态。

提示信息风格分类

简洁风格(前端显示)

正式 / 日志风格(后台接口 / 接口文档)

带数量 / 上下文提示

带操作指引提示

提示信息模板化设计

模板
为了统一风格和减少重复代码,可设计模板:


输出:用户列表获取成功,共10条

模板化好处:
1、统一风格,易维护
2、可动态生成提示内容
3、可适配多语言(国际化)

国际化与多语言支持

模板
在国际化项目中,message应使用 语言文件或翻译key,避免硬编码:


好处
1、适配不同语言
2、前端可直接展示翻译内容
3、后端日志仍可使用统一key便于排查

最佳实践

前端提示短小清晰
1、数据加载完成、获取数据成功


后台 / 日志提示正式完整
1、数据已成功获取、列表数据已返回


数量提示增加用户反馈
1、列表数据获取成功,共${list.length}条


模板化 + 动态内容
1、提高复用率,降低出错率


避免模糊词
1、不使用“OK”、“完成了”、“操作成功了”
2、必须明确操作对象、状态或数量

参考示例(NestJS响应)



1、前端显示,用户列表获取成功,共10条
2、日志可记录status+message用于接口监控

总结

1、message字段是接口的重要组成部分,承担操作反馈和提示作用。
2、优化目标:简洁、统一、明确、可扩展、可国际化。
3、规范化提示信息:
3.1、前端提示:短小清晰,用户友好
3.2、后端日志 / 文档:正式完整,便于排查
3.3、可模板化,适应多接口、多数据类型
3.4、可动态添加数量或操作引导

统一风格示例清单推荐


API响应message清单(可直接使用)

1、前端提示(简洁直观)
获取数据成功、数据加载完成、操作成功、保存成功、更新成功、删除成功


2、后端日志 / 正式风格(完整清晰)
数据已成功获取、数据获取操作完成、列表数据已返回、数据更新操作已完成、记录已成功删除、请求已成功处理


3、列表类提示(带上下文)
用户列表获取成功、设备列表获取成功、订单列表获取成功、日志记录获取成功、配置数据获取成功


4、分页 / 带数量提示
列表数据获取成功,共${list.length}条、用户列表加载完成,共${list.length}条、数据获取成功,当前页${page}/共${totalPages}页、数据加载成功,本页${list.length}条,总数${total}条、查询成功,符合条件的数据共${total}条


5、操作提示 / 引导型
数据加载成功,可进行下一步操作、操作成功,数据已更新、删除成功,记录已移除、保存成功,请刷新查看、数据获取成功,请查看列表

Read more

猫头虎AI分享|字节开源了一款具备长期记忆能力的多模态智能体:M3-Agent 下载、安装、配置、部署教程

猫头虎AI分享|字节开源了一款具备长期记忆能力的多模态智能体:M3-Agent 下载、安装、配置、部署教程

猫头虎AI分享|字节开源了一款具备长期记忆能力的多模态智能体:M3-Agent 大家好,我是猫头虎 🦉🐯,今天给大家带来一个超硬核的开源 AI 项目分享:M3-Agent。这是一款由字节开源的、多模态智能体框架,最大的亮点是它具备长期记忆能力,能够像人类一样“看、听、记、推理”。 项目地址: 👉 猫头虎开源 fork github 什么是 M3-Agent? M3-Agent 是一款能够实时处理视觉和听觉输入,并将其转化为长期记忆的多模态智能体。它不仅可以存储情景记忆(episodic memory),还能够逐渐积累语义记忆(semantic memory),形成类似人类的长期知识库。 其核心创新点在于: * 实体为中心的记忆系统:把与同一实体相关的多模态信息(如人脸、声音、相关知识)关联起来,构建成一个图谱。 * 多轮迭代推理:在执行任务时,能够从长期记忆中检索相关信息来辅助推理,而不仅仅依赖即时上下文。 * 跨模态理解能力:它不局限于单一模态,能够在视觉、听觉、语言之间进行信息融合与推理。

AI 革命下半场:从对话到执行,OpenClaw 开启的执行范式革命

AI 革命下半场:从对话到执行,OpenClaw 开启的执行范式革命

从对话到执行:开源 AI 执行引擎 OpenClaw 深度解析|安装 + 实战 + 未来全指南 本文作者:ZEEKLOG 博客专家 | 专注 AI Agent 与自动化技术落地本文核心:以「AI 平权与生产力解放」为核心脉络,深度拆解 OpenClaw 的底层哲学、架构逻辑、全平台落地实操、行业实战与未来演进,新手可零门槛跟着落地,开发者可读懂 AI 从「对话」到「执行」的本质跃迁。全文干货与思考并存,建议收藏。 前言:AI 革命的下半场,是从「说到」到「做到」 人类文明的进步,从来不是靠「能说会道」,而是靠「说到做到」。 过去五年,大模型完成了

OpenSpec 完全使用指南:用规格驱动 AI 编码

OpenSpec 完全使用指南:用规格驱动 AI 编码

🚀 OpenSpec 完全使用指南:用规格驱动 AI 编码 摘要:如果你正在用 AI 写代码,却总觉得"沟通成本"比"写代码"还高——OpenSpec 可能是你一直缺的那块拼图。本文是我整理的日常使用 OpenSpec 的实战指南。 一、AI 编码的真正瓶颈不是代码,是对齐 🎯 用 AI 结对编程一段时间后,你大概率会遇到几个反复出现的问题: 🔴 常见痛点 1. 沟通成本高 你花了两段话描述一个功能,AI 听起来像是懂了,写出来的代码却跑偏了。你纠偏、它重来,几轮下来上下文窗口已经被消耗大半,真正写代码的空间反而不剩多少。 2. 上下文丢失 好不容易和 AI 对齐了设计思路,实现完一个功能。过两天打开新对话继续下一个功能,之前的所有讨论、

AI 中的skill、mcp和 Function Call

AI 中的skill、mcp和 Function Call

Skill(技能)、MCP(模型上下文协议) 和 Function Call(函数调用) 这三个概念。 简单来说,你可以这样理解: * Function Call 是基础的、标准的“能力调用机制”。 * Skill 是面向用户的、打包好的“功能产品”。 * MCP 是连接 AI 与外部资源和工具的“新一代通信协议”。 1. Function Call(函数调用) 这是最基础、最广泛使用的概念,主要由 OpenAI 在 2023 年 6 月引入并普及。 * 是什么: 一种让大语言模型(如 GPT-4)能够智能地决定在何时、以何种参数调用开发者预先定义好的函数(或工具) 的机制。它不是直接执行代码,而是输出一个结构化的调用请求。 * 如何工作: 1.