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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
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-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
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