Milkdown 在 React 19 环境下的兼容性问题解析
Milkdown 是一款优秀的开源 Markdown 编辑器组件,基于 ProseMirror 构建,提供了丰富的功能和插件系统。最近有开发者反馈在使用 React 19 和 Next.js 15.1.5 环境下遇到了兼容性问题。
问题现象
当开发者在 React 19 环境中使用 @milkdown/react 包时,控制台会抛出以下错误:
TypeError: (0 , {imported module}.createContext) is not a function
这个错误发生在尝试创建 React 上下文时,表明框架无法正确识别 React 的 createContext 方法。
问题根源
经过分析,这个问题实际上不是 Milkdown 本身的兼容性问题,而是 React 19 在 Next.js 环境下的特殊行为导致的。在 Next.js 应用中,默认情况下组件是在服务端渲染的(SSR),而 Milkdown 编辑器作为一个富文本编辑组件,必须运行在客户端环境中。
解决方案
解决这个问题的方法很简单:确保 Milkdown 编辑器组件在客户端渲染。在 Next.js 中,可以通过在组件文件顶部添加 'use client' 指令来实现:
'use client'
import React from "react";
import { Editor, rootCtx } from "@milkdown/kit/core";
import { nord } from "@milkdown/theme-nord";
import { Milkdown, MilkdownProvider, useEditor } from "@milkdown/react";
import { commonmark } from "@milkdown/kit/preset/commonmark";
const MilkdownEditor: React.FC = () => {
// ...组件实现
};
技术背景
这个问题的出现与 React 19 和 Next.js 15 的架构变化有关:
-
React 服务器组件(RSC):React 19 引入了更强大的服务器组件支持,默认情况下 Next.js 会尝试在服务端渲染组件。
-
客户端边界:像编辑器这样的交互式组件需要访问浏览器 API,必须明确标记为客户端组件。
-
上下文限制:React 上下文(Context)只能在客户端组件中使用,服务端组件无法创建或消费上下文。
最佳实践
对于 Milkdown 或其他富文本编辑器在 Next.js 中的使用,建议:
- 始终将编辑器组件标记为客户端组件
- 考虑使用动态导入延迟加载编辑器,减少初始包大小
- 对于复杂的编辑器配置,可以将状态管理提升到父组件
总结
虽然最初看起来像是 Milkdown 的兼容性问题,但实际上这是 React 19 和 Next.js 15 架构变化带来的预期行为。通过正确标记组件边界,开发者可以轻松解决这个问题。这也提醒我们在使用现代 React 框架时,需要更加注意组件的渲染环境区分。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust012
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00