Vue Vben Admin 项目中构建时"createRequire"报错分析与解决方案
问题现象
在使用 Vue Vben Admin 5.x 版本进行项目开发时,部分开发者在更新项目依赖后执行构建命令(如 pnpm build)会遇到以下报错信息:
error during build:
../../node_modules/.pnpm/jiti@2.4.2/node_modules/jiti/lib/jiti.mjs (1:9):
"createRequire" is not exported by "__vite-browser-external",
imported by "../../node_modules/.pnpm/jiti@2.4.2/node_modules/jiti/lib/jiti.mjs".
file: /node_modules/.pnpm/jiti@2.4.2/node_modules/jiti/lib/jiti.mjs:1:9
1: import { createRequire } from "node:module";
该问题通常出现在以下场景:
- 向项目的 package.json 中添加了新依赖
- 执行了
pnpm install安装依赖 - 随后执行构建命令时出现报错
问题根源分析
这个错误的核心在于 Node.js 模块系统与 Vite 构建工具之间的兼容性问题。具体来说:
-
createRequire 的作用:这是 Node.js 原生模块提供的方法,用于创建 require 函数实例,常用于模块加载场景。
-
Vite 的浏览器兼容处理:Vite 在构建过程中会将 Node.js 特定的 API 通过
__vite-browser-external进行替换,以实现浏览器兼容性。 -
jiti 模块的特殊性:jiti 是一个运行时 TypeScript 和 ESM 支持工具,它依赖于 Node.js 的原生模块功能。
-
依赖安装不完整:当项目采用 monorepo 结构时(如 Vue Vben Admin 的架构),子包和根目录的依赖关系如果没有正确同步,就会导致这类模块解析错误。
解决方案
基础解决方案
-
完整重装依赖:
rm -rf node_modules pnpm install -
Monorepo 项目的特殊处理: 如果项目采用 monorepo 结构(如 Vue Vben Admin),需要:
# 在项目根目录执行 pnpm install # 然后进入具体子包目录 cd packages/your-package pnpm run build
进阶解决方案
-
配置 Vite 的优化依赖: 在 vite.config.js 中添加:
optimizeDeps: { include: ['jiti'] } -
检查 Node.js 版本兼容性: 确保使用的 Node.js 版本(如 v16+)与项目要求一致。
-
锁定依赖版本: 在 package.json 中固定 jiti 的版本:
"resolutions": { "jiti": "2.4.2" }
预防措施
-
依赖变更后的标准流程:
- 修改 package.json 后先执行根目录安装
- 再进入具体工作目录操作
-
使用一致的包管理器: 整个项目统一使用 pnpm,避免混用 npm 或 yarn。
-
定期清理缓存:
pnpm store prune
技术原理深入
这个问题的本质是模块系统在构建过程中的转换问题。Vite 作为现代构建工具,采用了原生 ESM 的方式,而 jiti 这样的工具在设计时考虑了 Node.js 的特定环境。当两者在构建过程中产生冲突时,就会导致这类 API 导出错误。
在 monorepo 架构下,这个问题会更加明显,因为:
- 子包的依赖可能被提升到根目录的 node_modules
- Vite 的依赖预构建可能没有正确处理这种层级关系
- pnpm 的严格 node_modules 结构使得模块解析路径更加敏感
理解这些底层原理有助于开发者更好地预防和解决类似问题。
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