Node.js v20.19.0版本发布:ES模块支持迎来重大更新
Node.js作为当今最流行的JavaScript运行时环境之一,其最新长期支持版本v20.19.0带来了多项重要特性更新,特别是在ES模块(ESM)支持方面取得了显著进展。本文将深入解析这些新特性及其对开发者的影响。
核心特性解析
默认启用的require(ESM)功能
v20.19.0版本最引人注目的变化是移除了--experimental-require-module标志,默认支持通过require()加载原生ES模块。这一特性曾在v20.x版本中作为实验性功能存在,在v22.x和v23.x中已默认启用,现在终于正式成为v20.x的稳定功能。
开发者现在可以:
- 直接使用
require()加载ES模块而不会抛出ERR_REQUIRE_ESM错误 - 当加载的ES模块或其依赖包含顶层await时,会抛出ERR_REQUIRE_ASYNC_MODULE错误
- 成功加载ES模块后,返回的对象可能是ES模块命名空间对象或模块中作为"module.exports"导出的内容
新增的process.features.require_module属性可用来检测当前Node.js实例是否启用了此功能。对于包开发者,可以使用"module-sync"导出条件来检测require(esm)支持,实现同一原生ES模块同时支持require()和import加载。
模块语法检测默认启用
另一个重要更新是默认启用了模块语法检测功能(原--experimental-detect-module标志)。这一特性使得Node.js能够智能识别文件模块类型:
- 对于扩展名为
.js或无扩展名的文件 - 当最近的父级package.json没有"type"字段时
- Node.js会先尝试作为CommonJS解析,如果因ES模块语法失败则重新作为ES模块处理
这一特性特别适合无扩展名的脚本文件使用ES模块语法且附近没有package.json的场景。需要注意的是,虽然对CommonJS模块性能无影响,但对ES模块会有轻微性能开销,可通过在最近的package.json中添加"type": "module"来消除。
其他重要更新
- 加密模块:根证书更新至NSS 3.107版本
- Worker线程:新增postMessageToThread API
- 进程管理:新增process.features.require_module属性
- 模块系统:实现"module-sync"导出条件
- 兼容性:为require()加载的ES模块添加__esModule属性
开发者影响与建议
对于正在使用或计划迁移到ES模块的开发者,v20.19.0提供了更平滑的过渡路径。建议:
- 测试现有代码库中require()加载ES模块的场景
- 对于性能敏感的应用,考虑为ES模块明确添加"type": "module"
- 关注顶层await在require(ESM)中的限制
- 利用新的模块语法检测功能简化项目结构
Node.js团队表示这些特性已在v23.x和v22.x中经过充分测试,现在期待v20.x用户的反馈以进行最终调整。如遇到回归问题,开发者可以通过--no-experimental-require-module临时禁用相关功能。
随着ES模块生态的日益成熟,Node.js v20.19.0的这些改进标志着JavaScript模块系统统一的重要一步,为开发者提供了更大的灵活性和更简单的迁移路径。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C033
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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