Jest 在 Node.js v23 环境下处理 TLA 配置时的崩溃问题分析
问题背景
Jest 作为 JavaScript 生态中广泛使用的测试框架,在最新版本的 Node.js 环境中遇到了一个与顶层 await (Top-Level Await, TLA) 相关的兼容性问题。当项目中的 jest.config.js 配置文件或其依赖模块包含 TLA 语法时,在 Node.js v23 环境下运行会导致 Jest 崩溃。
技术细节
这个问题的核心在于 Node.js v23 对 ESM 模块系统的实现变更。具体表现为:
-
错误信息:当尝试通过 require() 加载包含 TLA 的 ESM 模块时,Node.js 会抛出错误:"require() cannot be used on an ESM graph with top-level await. Use import() instead."
-
触发条件:问题会在以下情况出现:
- 项目使用 jest.config.js 作为配置文件
- 该配置文件或其依赖链中的任何模块包含 TLA 语法
- 运行环境为 Node.js v22.12 或更高版本
-
根本原因:Jest 内部的 requireOrImportModule 函数没有正确处理 Node.js 新增的 ERR_REQUIRE_ASYNC_MODULE 错误码,这个错误码专门用于标识模块包含 TLA 的情况。
影响范围
这个问题影响到了许多大型项目,包括著名的代码格式化工具 Prettier。在 Prettier 的测试套件中,由于配置文件间接依赖了包含 TLA 的 temp-dir 模块,导致测试无法正常运行。
解决方案
Jest 团队在 v30.0.0-alpha.7 版本中修复了这个问题。修复方案主要包括:
- 更新 requireOrImportModule 实现,使其能够识别并正确处理 ERR_REQUIRE_ASYNC_MODULE 错误码
- 改进模块加载逻辑,确保在遇到 TLA 模块时能够使用正确的加载方式
临时应对措施
对于暂时无法升级 Jest 版本的项目,可以采用以下临时解决方案:
- 降级 Node.js 到 v22.11.0 或更早版本
- 检查并修改 jest.config.js,移除或替换包含 TLA 的依赖
- 将配置文件改为使用 .cjs 扩展名,明确指定为 CommonJS 模块
最佳实践建议
为避免类似问题,建议开发者:
- 在项目中使用明确的模块类型声明(.mjs 或 .cjs)
- 谨慎在配置文件中使用 TLA 语法
- 保持 Jest 和 Node.js 版本的同步更新
- 在 CI/CD 流程中加入多版本 Node.js 的兼容性测试
总结
这个问题凸显了 JavaScript 生态系统中模块系统演进带来的兼容性挑战。随着 ESM 和 TLA 的普及,工具链需要不断适应这些新特性。Jest 团队的快速响应确保了测试框架能够继续在现代 JavaScript 环境中稳定运行。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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