Firebase Tools 项目中 Node.js v22+ 的 ESM 模块加载问题解析
问题背景
在 Firebase Tools 项目中使用 Node.js v22.12.0 及以上版本时,开发者遇到了一个关于 ESM 模块加载的特定问题。当项目配置为使用 ESM 模块(package.json 中设置 "type": "module")并尝试部署 Firebase 函数时,系统会抛出 ERR_REQUIRE_ASYNC_MODULE 错误。
技术细节分析
这个问题的核心在于 Node.js v22.12.0 引入了一个重大变更:默认启用了 require(esm) 功能。这意味着 Node.js 现在允许通过传统的 require() 函数加载 ESM 模块。然而,当 ESM 模块中包含顶层 await 表达式时,这种加载方式就会失败。
在 Firebase Functions 的实现中,存在一个关键的 require() 调用,用于加载用户定义的函数模块。当这个模块是 ESM 格式且包含顶层 await 时,就会触发上述错误。
典型错误场景
开发者通常会遇到以下两种典型情况:
-
部署时错误:当尝试部署包含顶层 await 的 ESM 模块到 Firebase Functions 时,部署过程会失败并显示 ERR_REQUIRE_ASYNC_MODULE 错误。
-
本地模拟器问题:使用 firebase emulators:start 命令时,特别是带有 --inspect-functions 参数时,会出现相同的错误,导致函数无法正常初始化。
问题复现条件
要复现这个问题,需要满足以下条件:
- 使用 Node.js v22.12.0 或更高版本
- 项目配置为 ESM 模块(package.json 中包含 "type": "module")
- 函数入口文件包含顶层 await 表达式
- 使用 Firebase Tools 进行部署或本地模拟
解决方案与替代方案
目前可行的解决方案包括:
-
降级 Node.js 版本:暂时使用 Node.js v22.11.0 或更低版本可以避免此问题。
-
重构代码结构:避免在模块顶层使用 await,将其移至异步函数内部。
-
等待官方修复:关注 Firebase Tools 项目的更新,等待官方提供对 Node.js v22+ 的完整支持。
开发者注意事项
对于需要在项目中使用 ESM 模块和顶层 await 的开发者,建议:
- 仔细检查函数入口文件的模块导出方式
- 考虑将异步初始化逻辑封装到显式的初始化函数中
- 在 CI/CD 流程中固定 Node.js 版本以避免意外升级
- 关注 Firebase Tools 和 Node.js 的版本兼容性说明
技术展望
随着 Node.js 对 ESM 支持不断完善,预计 Firebase Tools 项目将很快提供对 Node.js v22+ 的完整支持。开发者可以期待未来版本中更流畅的 ESM 模块使用体验。
这个问题反映了 JavaScript 生态系统中模块系统过渡期的典型挑战,理解其背后的技术原理有助于开发者更好地应对类似问题。
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