AWS Amplify JS 与 Next.js 14 集成时的编译问题解析
2025-05-25 05:14:30作者:范靓好Udolf
问题背景
在使用 AWS Amplify JS 与 Next.js 14 集成开发时,开发者可能会遇到一个特定的编译错误。当项目升级到 @aws-amplify/adapter-nextjs 1.1.5 或更高版本时,构建过程中会出现模块导出错误,提示 parseAmplifyConfig 未从 @aws-amplify/core/internals/utils 导出。
错误表现
构建过程中控制台会显示以下关键错误信息:
Failed to compile.
./node_modules/@aws-amplify/adapter-nextjs/dist/esm/api/createServerRunnerForAPI.mjs
Attempted import error: 'parseAmplifyConfig' is not exported from '@aws-amplify/core/internals/utils'
根本原因
这个问题通常是由于 Amplify 相关包版本不兼容导致的。具体来说:
@aws-amplify/adapter-nextjs1.1.5+ 版本需要与特定版本的aws-amplify核心包配合使用- 当版本不匹配时,会导致模块解析失败
- 使用 Bun 作为包管理器时,其缓存机制可能会加剧这个问题
解决方案
标准解决方案
-
确保同时升级
aws-amplify和@aws-amplify/adapter-nextjs到最新兼容版本:{ "dependencies": { "@aws-amplify/adapter-nextjs": "^1.2.5", "aws-amplify": "^6.3.7" } } -
执行以下清理和重建步骤:
- 删除
node_modules目录 - 删除
.next构建缓存目录 - 重新安装依赖
- 重新构建项目
- 删除
使用 Bun 时的额外步骤
如果使用 Bun 作为包管理器,还需要:
- 删除
bun.lockb锁文件 - 清理 Bun 的缓存
- 重新执行安装和构建
验证依赖关系
成功解决后,项目应包含以下关键依赖版本:
@aws-amplify/adapter-nextjs@1.2.5aws-amplify@6.3.7@aws-amplify/core@6.3.2@aws-amplify/data-schema@1.3.2@aws-amplify/data-schema-types@1.0.1
最佳实践建议
- 版本一致性:始终确保 Amplify 相关包的版本保持同步更新
- 构建环境清理:在遇到类似问题时,优先清理构建缓存和依赖目录
- 包管理器选择:如果使用非标准包管理器(如Bun),注意其特有的缓存机制
- 依赖检查:定期使用
npm ls或对应包管理器的依赖树检查命令验证依赖关系
总结
AWS Amplify JS 与 Next.js 的集成通常非常顺畅,但在特定版本组合下可能会出现模块解析问题。通过保持依赖版本的一致性和彻底的环境清理,开发者可以有效地解决这类编译错误。对于使用非标准工具链的项目,需要额外注意工具特有的行为模式。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0202
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
deepin linux kernel
C
32
16
Ascend Extension for PyTorch
Python
746
927
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
267
暂无描述
Dockerfile
771
5.03 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
867
1.97 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
70
22
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.94 K
202
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
694
1.36 K
openEuler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。
C
465
456
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
C
458
5.25 K