React Strict Dom 项目中 StyleX 运行时问题的分析与解决
问题背景
在开发基于 React Strict Dom (RSD) 的 npm 组件库时,开发者遇到了一个典型问题:当组件库被 Vite 项目引用时,控制台会抛出 'stylex.create' should never be called at runtime 的错误。这个问题本质上反映了 StyleX 样式系统在构建流程中的编译处理不当。
核心问题分析
StyleX 作为 Facebook 推出的 CSS-in-JS 解决方案,其设计理念是将样式在构建时(build time)而非运行时(runtime)进行编译处理。这与传统的 CSS-in-JS 库(如 styled-components)有着本质区别。
当错误提示显示 stylex.create 被运行时调用时,说明以下两种情况之一发生了:
- 组件库的代码未经 StyleX 的 Babel 插件处理就被直接发布
- 主项目没有正确配置对 node_modules 中依赖的编译处理
解决方案详解
组件库开发侧的正确实践
-
源码发布策略:组件库必须发布未经编译的源代码(通常保留在 src 目录),而非编译后的 bundle。这是因为 StyleX 的样式转换需要在最终使用项目的构建流程中完成。
-
构建配置示例:
// 正确的 babel 配置应包含对 StyleX 的支持
module.exports = {
presets: ['module:metro-react-native-babel-preset'],
plugins: [
['@stylexjs/babel-plugin', {
dev: process.env.NODE_ENV === 'development',
runtimeInjection: false,
styleResolution: 'property-specificity'
}]
]
};
主项目侧的正确配置
在使用 Vite 的项目中,需要特别注意:
- 依赖编译包含:默认情况下,Vite 不会编译 node_modules 中的依赖。需要通过配置显式包含你的组件库:
// vite.config.js
import { defineConfig } from 'vite'
import react from '@vitejs/plugin-react'
export default defineConfig({
plugins: [
react({
babel: {
plugins: [
['@stylexjs/babel-plugin', { /* 配置选项 */ }]
],
// 关键配置:包含需要编译的依赖
include: ['ike-rsd']
}
})
]
})
- 开发环境区分:确保开发和生产环境使用正确的 StyleX 配置,开发环境可能需要额外的调试支持。
跨平台兼容性考虑
对于需要同时支持 React Native 和 Web 的项目,还需要注意:
-
平台检测逻辑:避免在组件库中使用硬编码的平台检测,而是依赖 React Strict Dom 提供的平台抽象层。
-
样式隔离:确保 Web 和 Native 的样式定义相互隔离,防止样式污染。
最佳实践建议
-
构建流程标准化:在 monorepo 中统一管理构建配置,确保所有项目使用相同的 StyleX 编译设置。
-
文档说明:在组件库的 README 中明确说明对 StyleX 的依赖和必要的构建配置。
-
版本锁定:严格锁定 StyleX 和 React Strict Dom 的版本,避免因版本不匹配导致的编译问题。
通过以上措施,开发者可以构建出同时支持 React Native 和 Web 平台的通用组件库,同时避免 StyleX 运行时错误的问题。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00