code-server 在 Nginx 反向代理下语法高亮失效问题解析
问题现象
当 code-server 部署在 Nginx 反向代理后时,用户发现代码编辑器的语法高亮功能出现异常。具体表现为:
- 通过 Nginx 访问时,代码大部分显示为白色,仅有基础高亮
- 直接访问 code-server 端口时,语法高亮功能正常
- 问题在 Safari 和 Chrome 浏览器中均复现
环境配置
典型的问题环境配置如下:
- 前端:Nginx 监听 8080 端口并启用 SSL
- 后端:code-server 运行在 8081 端口
- 操作系统:Ubuntu (服务端) 和 macOS (客户端)
根本原因分析
经过技术排查,发现问题的核心在于 Nginx 的反向代理配置不完整。具体来说:
-
缺少关键请求头:Nginx 配置中遗漏了
X-Forwarded-Proto头信息,导致 code-server 无法正确识别请求的协议类型(HTTP/HTTPS) -
协议识别错误:当 code-server 无法确定客户端实际使用的协议时,可能会影响其资源加载策略,特别是与语法高亮相关的 WebSocket 连接和资源加载
-
端口使用问题:8080 端口通常被视为 HTTP 备用端口,而 code-server 的部分功能可能对标准 HTTPS 端口(443)有特殊处理
解决方案
完整的 Nginx 反向代理配置应包含以下关键设置:
server {
listen 443 ssl;
server_name your.domain.com;
ssl_certificate /path/to/cert.pem;
ssl_certificate_key /path/to/key.pem;
location / {
proxy_pass http://127.0.0.1:8081;
proxy_set_header Upgrade $http_upgrade;
proxy_set_header Connection "Upgrade";
proxy_set_header Host $host;
proxy_set_header X-Real-IP $remote_addr;
proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
proxy_set_header X-Forwarded-Proto $scheme;
proxy_connect_timeout 60;
proxy_send_timeout 90;
proxy_read_timeout 90;
proxy_buffer_size 4k;
proxy_buffers 4 32k;
proxy_busy_buffers_size 64k;
proxy_temp_file_write_size 64k;
}
}
配置要点说明
-
协议头设置:
X-Forwarded-Proto $scheme是解决问题的关键,它告知后端服务器客户端实际使用的协议 -
WebSocket 支持:
Upgrade和Connection头确保 WebSocket 连接能正常建立,这对 code-server 的实时功能至关重要 -
超时设置:适当的超时配置可以防止长时间操作导致的连接中断
-
缓冲区优化:合理的缓冲区设置可以提高代理性能
最佳实践建议
-
使用标准端口:尽量使用 443 端口提供 HTTPS 服务,避免非常规端口可能带来的兼容性问题
-
完整头信息:确保转发所有必要的头信息,包括客户端真实 IP 和协议信息
-
SSL 配置:使用现代加密套件和有效的 SSL 证书
-
连接保持:适当调整 keepalive 设置以优化长连接性能
总结
code-server 在反向代理环境下语法高亮失效的问题,通常是由于代理配置不完整导致的。通过正确配置 Nginx 的反向代理参数,特别是确保转发协议头信息,可以完美解决这一问题。对于生产环境部署,建议遵循上述完整配置方案,以获得最佳的使用体验和性能表现。
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