Koishi 项目安装错误分析与临时解决方案
问题背景
在使用 yarn create koishi 命令安装 Koishi 项目时,部分用户遇到了安装错误。错误表现为控制台输出警告信息,并且在浏览器访问本地服务时仅显示"not found"页面。
错误分析
从错误日志中可以观察到几个关键问题点:
-
依赖关系警告:项目缺少 @koishijs/loader 依赖,这是由 @koishijs/plugin-hmr 和 @koishijs/plugin-config 插件请求的。
-
核心错误:TypeError: Can not repeat "0" without a prefix and suffix,这个错误发生在 path-to-regexp 模块中,具体是在处理路由路径转换时出现的。
-
构建警告:esbuild 和 vue-demi 需要重新构建。
根本原因
经过深入分析,问题根源在于 path-to-regexp 模块的版本兼容性问题。最新版本的 path-to-regexp (6.3.0+) 在处理某些特定路由模式时会出现解析错误,而 Koishi 框架中使用的 @koa/router 依赖此模块进行路由匹配。
临时解决方案
针对此问题,目前可采用的临时解决方案如下:
- 在项目根目录的 package.json 文件中添加 resolutions 字段,强制指定 path-to-regexp 的版本范围:
{
"resolution": {
"path-to-regexp": "^6.2.2 <6.3.0"
}
}
- 添加配置后,需要重新运行 yarn 命令安装依赖:
yarn
- 重启 Koishi 服务以使更改生效。
注意事项
-
此解决方案为临时措施,开发团队正在积极调查此问题。
-
使用 resolutions 字段会覆盖项目中所有依赖对 path-to-regexp 的版本要求,可能会影响其他依赖的正常功能。
-
建议在问题修复后移除 resolutions 配置,以获取最新的安全更新和功能改进。
后续建议
对于开发者而言,遇到类似依赖冲突问题时,可以:
-
仔细阅读错误日志,定位问题模块
-
检查相关模块的 issue 列表,了解已知问题
-
考虑使用版本锁定或 resolutions 字段临时解决兼容性问题
-
关注官方更新,及时升级到修复版本
Koishi 开发团队表示正在积极处理此问题,预计将在后续版本中提供官方修复方案。在此期间,上述临时解决方案可以帮助开发者正常启动和使用 Koishi 项目。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00