pnpm v10.2.0 中ESLint集成问题的分析与解决方案
在Node.js生态系统中,包管理工具pnpm因其高效的依赖管理机制而广受欢迎。然而,在最新发布的pnpm v10.2.0版本中,用户在使用create-next-app创建项目时遇到了ESLint集成问题,这给开发者带来了困扰。
当用户通过pnpx create-next-app创建Next.js项目后,虽然成功执行了pnpm approve-builds命令,但在VSCode中打开项目时,ESLint插件却无法正常工作,报错显示找不到eslint-plugin-react-hooks模块。这一现象特别出现在Linux系统环境下,使用Node.js v23.7.0和pnpm v10.2.0的组合时。
深入分析这个问题,其根源在于pnpm v10.2.0对依赖管理策略的调整。pnpm团队为了提高与ESLint 9的兼容性,特别是支持新的flat配置模式,修改了默认的依赖安装行为。这一变更导致ESLint相关依赖不再被自动提升(hoist)到根node_modules目录中,而许多开发工具(如VSCode的ESLint扩展)默认会从根node_modules查找这些依赖。
针对这一问题,pnpm团队提供了明确的解决方案。用户只需在项目或全局的.npmrc配置文件中添加以下内容:
public-hoist-pattern[]=*eslint*
public-hoist-pattern[]=*prettier*
这一配置会指示pnpm将匹配这些模式的所有依赖包提升到根node_modules目录,从而恢复开发工具的预期行为。值得注意的是,这一解决方案不仅适用于ESLint,还包括了Prettier等常用工具链的配置。
对于暂时不愿调整配置的用户,回退到pnpm v9版本确实可以规避此问题。但从长远来看,理解并适应pnpm的依赖管理机制更为可取。pnpm的这种设计实际上是为了提供更精确的依赖隔离,减少因依赖提升导致的潜在冲突。
这一案例也提醒我们,在Node.js生态系统中,工具链的更新往往伴随着工作流的调整。作为开发者,理解工具背后的设计理念和变更原因,能够帮助我们更从容地应对这类兼容性问题,而不是简单地回退到旧版本。
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