create-t3-turbo项目中Expo 50升级后的EAS构建问题解析
问题背景
在create-t3-turbo项目中,当用户将Expo升级到50版本后,使用pnpm作为包管理器时,执行eas build -p ios命令会遇到构建失败的问题。错误信息显示系统无法找到'expo-modules-autolinking'包,提示需要确保已安装'expo'包。
问题根源分析
这个问题的本质在于包管理器的依赖解析机制与Expo构建工具的交互方式发生了变化。在Expo 50版本中,项目移除了.npmrc文件并修改了依赖提升(hoisting)的配置方式,这导致了以下技术层面的问题:
-
依赖解析路径不匹配:EAS CLI工具尝试按照预期路径查找expo二进制文件,但在pnpm的非提升模式下,依赖的存放位置与工具预期不符。
-
自动链接机制失效:
expo-modules-autolinking是Expo生态中负责自动链接原生模块的关键包,它的缺失会导致整个构建流程中断。 -
平台差异性:有趣的是,这个问题仅出现在iOS构建中,Android构建不受影响,这表明两个平台的构建流程在依赖解析方面存在差异。
临时解决方案
目前可行的临时解决方案是:
-
在项目中重新启用依赖提升模式,即在配置中添加
node-linker=hoisted设置。 -
等待官方修复补丁发布,根据相关讨论,这个问题已经在处理中,预计很快会有正式修复。
技术深入解析
理解这个问题需要了解几个关键技术点:
-
pnpm的依赖管理机制:pnpm默认使用符号链接和非提升的node_modules结构,这与传统的npm/yarn不同,可能导致某些工具无法正确找到依赖。
-
Expo的模块自动链接:Expo依赖自动链接机制来管理原生模块,这个机制需要在构建时能够正确访问相关依赖。
-
EAS构建流程:EAS构建服务对项目结构有一定预期,特别是在依赖解析方面有特定要求。
最佳实践建议
对于使用create-t3-turbo模板的开发者,建议:
-
在Expo 50版本中暂时保持
node-linker=hoisted配置,直到官方修复发布。 -
关注项目更新,及时获取关于此问题的修复状态。
-
如果必须使用非提升模式,可以考虑手动指定依赖路径或等待修复补丁。
总结
这个问题展示了现代JavaScript生态系统中包管理器、构建工具和框架之间复杂的交互关系。随着工具链的不断演进,这类兼容性问题可能会不时出现。理解其背后的技术原理有助于开发者快速定位和解决问题,保持开发效率。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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 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
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