WXT项目中Node.js 22版本下fs.Stats构造器弃用问题解析
在Node.js生态系统中,随着版本的迭代更新,一些旧的API会被标记为弃用(deprecated)状态。近期在使用WXT项目时,开发者可能会遇到一个关于fs.Stats构造器被弃用的警告信息。本文将深入分析这一问题,帮助开发者理解其根源并提供解决方案。
问题现象
当开发者在Node.js 22环境下运行WXT项目时,控制台会显示如下警告信息:
(node:142390) [DEP0180] DeprecationWarning: fs.Stats constructor is deprecated.
通过添加--trace-deprecation标志可以追踪到警告的具体来源:
at tryStatSync (node_modules/mlly/dist/index.mjs:986:12)
这表明问题根源在于mlly这个依赖包中使用了已被Node.js标记为弃用的fs.Stats构造器。
技术背景
fs.Stats是Node.js文件系统模块中的一个类,用于表示文件或目录的统计信息。在早期Node.js版本中,开发者可以直接实例化这个类,但这种方式现在被认为是不安全的实现方式。
Node.js 22版本开始,直接调用fs.Stats构造器会被标记为弃用状态,这是Node.js团队推动API现代化和安全改进的一部分。正确的做法应该是通过fs.stat()、fs.lstat()或它们的同步版本等方法来获取文件状态信息。
问题分析
通过调用栈分析,我们可以看到问题发生在依赖链中:
WXT → unimport → local-pkg → mlly
具体来说,mlly包中的tryStatSync函数直接使用了new fs.Stats()的方式来创建文件状态对象。这种做法在Node.js 22中会触发弃用警告。
解决方案
幸运的是,mlly包的维护者已经意识到这个问题并在1.7.0版本中修复了它。开发者可以采取以下步骤解决问题:
- 更新项目中的
mlly包到最新版本(1.7.1或更高) - 使用包管理器的依赖分析功能确认所有依赖的
mlly版本都已更新
对于使用pnpm的开发者,可以执行以下命令:
pnpm i mlly@latest && pnpm rm mlly
然后通过pnpm why mlly命令验证所有依赖的mlly版本是否都已更新到1.7.1或更高版本。
最佳实践
为了避免类似问题,建议开发者:
- 定期更新项目依赖,特别是当Node.js主版本升级时
- 关注Node.js的发布说明,了解API变更和弃用信息
- 在开发环境中启用
--trace-deprecation标志,及时发现并解决弃用API的使用 - 使用依赖分析工具定期检查项目依赖树
总结
WXT项目中出现的fs.Stats构造器弃用警告是一个典型的依赖链更新问题。通过更新mlly包到1.7.1或更高版本即可解决。这个问题也提醒我们,在Node.js生态系统中,保持依赖更新和关注核心API变更对于维护项目的长期健康至关重要。
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