Google Closure Compiler 与 Protobuf 3.25.6 兼容性问题解析
问题背景
Google Closure Compiler 是一个强大的 JavaScript 优化工具,能够对代码进行压缩、优化和类型检查。近期,当用户在使用 Closure Compiler 配合 Protocol Buffers (protobuf) 3.25.6 版本时,遇到了一个兼容性相关的异常问题。
异常现象
在运行过程中,系统会抛出以下错误:
java.lang.UnsupportedOperationException: As of 2022/09/29 (release 21.7) makeExtensionsImmutable should not be called from protobuf gencode...
该异常明确指出,从 protobuf 21.7 版本开始,makeExtensionsImmutable 方法不应再从生成的代码中调用。如果用户看到此消息,说明生成的代码存在潜在问题。
技术原因
这个问题的根源在于 Protocol Buffers 团队发现了一个潜在的兼容性问题。为了改进代码结构,protobuf 在 21.7 版本中引入了一个破坏性变更,移除了对 makeExtensionsImmutable 方法的支持。
当 Closure Compiler 使用 protobuf 3.25.6 版本时,由于编译器内部生成的代码仍然尝试调用这个方法,触发了这个保护机制,导致异常抛出。
解决方案
对于遇到此问题的用户,有以下几种解决途径:
-
升级 Closure Compiler:最新版本的 Closure Compiler 已经修复了这个问题,用户可以通过升级到最新版本来解决兼容性问题。
-
临时解决方案:如果暂时无法升级,可以通过设置 JVM 系统属性来调整行为:
-Dcom.google.protobuf.use_unsafe_pre22_gencode但需要注意,这会使得系统使用旧版代码生成方式。
-
降级 protobuf:如果项目环境允许,可以考虑降级到 protobuf 21.7 之前的版本,但这可能会影响其他功能。
最佳实践
对于生产环境,建议采取以下措施:
-
优先考虑升级到最新版本的 Closure Compiler,这是最可靠的解决方案。
-
如果必须使用旧版本,确保了解潜在的兼容性问题,并采取适当的措施。
-
定期检查项目的依赖关系,确保所有组件都保持最新状态。
技术影响
这个问题主要影响以下场景:
- 使用 Closure Compiler 进行 JavaScript 代码压缩和优化的构建流程
- 项目中同时依赖 protobuf 3.25.6 或更高版本
- 使用基于 protobuf 的序列化/反序列化功能
对于大多数前端构建场景,这个问题的实际影响相对较低,因为主要涉及的是构建时的代码生成过程,而非运行时环境。然而,遵循最佳实践仍然十分重要。
总结
Protocol Buffers 作为广泛使用的序列化框架,其更新需要开发者重视。Closure Compiler 团队已经跟进修复了这个问题,建议用户及时更新以避免兼容性问题。在软件开发中,保持依赖库的及时更新是维护项目稳定性的重要环节。
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