AngularFire与Firebase JS SDK版本兼容性问题解析
问题背景
在Angular 18.1.0版本中,开发者在使用@angular/fire(AngularFire)库时遇到了一个典型的类继承错误:"Class extends value undefined is not a constructor or null"。这个错误发生在Vite开发服务器尝试评估SSR模块时,具体指向了@firebase/auth模块中的undici库文件。
技术分析
这个问题的本质是版本依赖冲突。Angular 18.1.0使用了特定版本的undici库,而@angular/fire(当前版本18.0.1)所依赖的Firebase JS SDK(@firebase/auth)使用了不同版本的undici库,导致在类继承时出现不兼容问题。
undici是Node.js的一个高性能HTTP客户端库,被Firebase SDK用于底层网络通信。当两个不同版本的undici同时存在于依赖树中时,就可能出现这种类继承失败的情况。
解决方案
AngularFire团队已经确认这个问题将在v19版本中得到解决,届时将支持Firebase JS SDK v11。Firebase JS SDK v11预计会使用与Angular 18兼容的undici版本,从而消除这个版本冲突。
临时应对措施
对于急需解决此问题的开发者,可以考虑以下临时方案:
-
锁定依赖版本:暂时固定Angular和Firebase相关库的版本,避免自动升级到不兼容的版本组合。
-
手动解决依赖冲突:通过
package.json的resolutions字段(如果使用yarn)或overrides字段(如果使用npm)强制指定统一的undici版本。 -
等待官方更新:最稳妥的方案是等待AngularFire v19的发布,这将提供与Angular 18完全兼容的Firebase集成。
最佳实践建议
-
保持依赖更新:定期检查并更新项目依赖,但要注意先在小规模测试环境中验证兼容性。
-
理解依赖关系:对于关键依赖如Firebase SDK,应该了解其底层依赖关系,特别是当它们与框架核心库共享依赖时。
-
关注官方发布说明:在升级Angular或Firebase相关库时,仔细阅读发布说明中的兼容性信息。
总结
这类依赖冲突问题在现代JavaScript生态系统中并不罕见,特别是在大型框架和库之间。AngularFire团队已经意识到这个问题并计划在下一个主要版本中解决。开发者应该权衡立即修复的需求与等待官方解决方案之间的利弊,选择最适合自己项目的方案。
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