在extension.js项目中配置swc-loader支持Monorepo项目的最佳实践
在开发浏览器扩展时,使用extension.js工具链可以极大简化开发流程。然而,当项目采用Monorepo结构时,开发者可能会遇到TypeScript/JavaScript文件编译问题。本文将深入分析问题根源,并提供多种解决方案。
问题背景
在Monorepo项目中,常见目录结构如下:
/my-repo
/extension
/packages
/package-a
/package-b
当extension包需要引用其他内部包的未编译TypeScript代码时,默认配置会导致webpack编译失败,错误提示需要额外的loader处理.ts文件。这是因为extension.js默认只配置了对manifest.json所在目录的swc-loader支持。
根本原因分析
extension.js内部使用JsFrameworksPlugin插件配置swc-loader时,设置了严格的include规则:
include: [path.dirname(this.manifestPath)]
这种配置限制了swc-loader只处理manifest文件所在目录下的文件,导致Monorepo中其他包的TypeScript文件无法被正确处理。
解决方案
方案一:使用scripts目录中转
extension.js会自动将scripts目录下的文件作为入口点处理。可以创建scripts目录作为中转:
/extension
/scripts
package-a.ts // 内容:export * from "@repo/package-a"
package-b.ts // 内容:export * from "@repo/package-b"
然后在代码中引用:
import { something } from '~/scripts/package-a'
方案二:自定义Monorepo插件
更彻底的解决方案是创建自定义webpack插件,扩展swc-loader的include范围:
const path = require('path');
class MonorepoPlugin {
apply(compiler) {
const monorepoRoot = path.join(process.cwd(), "..");
compiler.options.module.rules = [
{
test: /\.(js|mjs|jsx|mjsx|ts|mts|tsx|mtsx)$/,
include: [monorepoRoot],
exclude: /node_modules/,
use: {
loader: require.resolve("swc-loader"),
options: {
// 详细配置...
}
}
},
...compiler.options.module.rules
];
}
}
在extension.config.js中使用:
module.exports = {
config: (config) => {
config.plugins.push(new MonorepoPlugin());
return config;
}
};
方案三:使用内部包模式
最佳实践是采用内部包模式,即在Monorepo中每个包都是独立的npm包,通过package.json的exports字段暴露接口:
- 在package-a/package.json中配置:
{
"name": "@repo/package-a",
"exports": {
".": {
"types": "./src/index.d.ts",
"import": "./dist/index.js"
}
}
}
- 在extension中正常导入:
import { something } from '@repo/package-a'
注意事项
- 路径别名配置:如果使用路径别名,需要在swc-loader的jsc.paths中同步配置
- 模块类型:确保package.json中的type字段与项目需求一致
- CSS处理:自定义配置时注意不要重复添加CSS相关loader
- 依赖管理:确保所有引用到的依赖在extension包中都有声明
总结
在extension.js项目中支持Monorepo有多种方案,开发者可以根据项目复杂度选择适合的方式。对于简单项目,scripts目录中转足够;对于复杂项目,建议采用内部包模式配合自定义插件,既能保持代码整洁,又能确保编译正确性。无论采用哪种方案,都要注意依赖管理和路径解析的一致性。
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