Drizzle ORM 跨包类型推断问题分析与解决方案
问题背景
在使用 Drizzle ORM 构建的 monorepo 项目中,开发者遇到了一个关于类型推断的特殊问题。当在一个共享的数据库包中使用 $inferSelect 和 $inferInsert 生成类型,并在其他包中引用这些类型时,类型会被错误地推断为 any。然而,手动定义的类型却能正常推断。
问题现象
具体表现为:
-
在共享包中定义的类型:
export type User = typeof users.$inferSelect // 在其他包中被推断为 any export type Organization = { id: number, name: string, created_at: Date } // 正常推断 export type UserDetail = User & { organizations: Organization[] } // 只有 Organization[] 部分被正确推断 -
项目结构为 monorepo,包含:
- 共享包 (packages/shared)
- Next.js 应用 (apps/web)
根本原因分析
经过深入调查,发现问题根源在于 TypeScript 的构建配置和类型文件处理方式:
-
构建系统问题:Next.js 的构建系统不支持传统的 TypeScript 项目引用(project references),导致无法正确解析跨包的类型依赖关系。
-
类型文件处理:
.d.ts类型声明文件没有被包含在构建输出中,而实际导入的是原始 schema 文件,这导致了类型推断链的中断。 -
Drizzle ORM 的特殊性:
$inferSelect和$inferInsert是 Drizzle ORM 特有的类型级操作,它们依赖于完整的类型上下文才能正常工作。
解决方案
解决此问题的关键在于确保类型文件被正确处理和包含:
-
正确配置构建系统:
- 确保共享包的
tsconfig.json中设置了"declaration": true以生成类型声明文件 - 确认
"include"和"exclude"配置正确覆盖所有需要处理的文件
- 确保共享包的
-
确保类型文件被包含:
// 在共享包的构建配置中明确包含类型文件 { "include": ["./**/*.ts", "./**/*.d.ts"], "exclude": ["node_modules", "dist"] } -
Next.js 适配方案:
- 使用 Next.js 支持的模块解析方式
- 确保共享包构建后的输出结构符合 Next.js 的预期
最佳实践建议
-
monorepo 类型共享:
- 对于 Drizzle ORM 生成的类型,建议将其单独导出到一个类型文件中
- 考虑使用类型重导出来减少依赖链的复杂性
-
构建流程优化:
- 在共享包中设置预构建脚本,确保类型文件先被生成
- 在消费者应用中配置正确的类型查找路径
-
调试技巧:
- 使用
tsc --traceResolution来跟踪类型解析过程 - 检查构建后的 dist 目录,确认所有必要的类型文件都存在
- 使用
总结
Drizzle ORM 的类型系统在 monorepo 环境中需要特别注意构建配置和类型文件的处理。通过确保类型文件被正确包含在构建过程中,并适当配置 TypeScript 的模块解析,可以解决跨包类型推断为 any 的问题。这个问题也提醒我们,在使用高级类型特性时,需要更加关注构建系统的细节配置。
对于使用 Drizzle ORM 的开发者来说,理解类型推断的工作原理和构建系统的交互方式,将有助于避免类似问题的发生,并构建出更加健壮的类型系统。
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 StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112