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。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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