Angular CLI 19.2.0构建时LESS源映射问题解析
问题背景
在Angular CLI 19.2.0版本中,部分开发者遇到了一个与LESS样式预处理相关的构建问题。当项目中启用了源映射(sourcemaps)功能时,构建过程会抛出"undefined is not valid JSON"的错误提示,导致构建失败。这个问题在19.1.x版本中并不存在,属于版本升级后引入的回归性问题。
问题表现
受影响的项目在构建时会显示如下错误信息:
"undefined" is not valid JSON [plugin angular-less]
错误来源于Angular构建系统在处理LESS文件时尝试解析源映射JSON数据,但接收到的却是undefined值。值得注意的是,这个问题在不同项目中的出现频率也不相同,有的项目会出现数十次相同的错误。
临时解决方案
目前已知的临时解决方案是:
- 在angular.json配置文件中禁用源映射功能
- 回退到Angular CLI 19.1.x版本
技术分析
这个问题本质上与LESS编译器本身的行为有关。当配置要求生成源映射时,LESS在某些特定条件下未能正确生成源映射数据,而是返回了undefined。Angular构建系统在处理这种情况时没有做好防御性编程,导致JSON解析失败。
从技术实现角度看,错误发生在Angular构建系统的LESS语言处理器中。当调用sourceMapToUrlComment函数时,它尝试对sourceMap变量执行JSON.parse操作,但该变量实际上是undefined。这表明在compileString阶段,LESS编译器没有按预期返回源映射数据。
影响范围
这个问题主要影响:
- 使用LESS作为样式预处理器的Angular项目
- 在angular.json中启用了源映射功能的项目
- 从19.1.x升级到19.2.0版本的项目
值得注意的是,即使在同一个工作区中,不同项目可能表现出不同的行为,有些能正常构建,有些则会出现错误。这与项目具体的LESS文件内容和配置有关。
官方回应与修复进展
Angular开发团队已经确认了这个问题,并表示已经有一个修复方案正在处理中。不过,团队希望能收集更多关于触发条件的详细信息,以便添加更全面的测试用例,防止未来出现类似的回归问题。
给开发者的建议
对于遇到此问题的开发者,建议:
- 暂时禁用源映射功能作为临时解决方案
- 关注Angular官方更新,及时获取修复版本
- 如果可能,提供最小化重现案例帮助团队完善测试
- 检查项目中是否有特殊的LESS用法或配置,这些可能是触发问题的关键因素
随着前端构建工具链的日益复杂,这类预处理器的集成问题并不罕见。理解问题的根源有助于开发者更好地应对类似情况,并在未来版本升级时做好充分测试。
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