NestJS CLI 项目中 Webpack 构建失败的解决方案
在 NestJS 项目中,当开发者使用 Webpack 作为构建工具时,可能会遇到一个特定的构建错误:"Module not found: Error: Can't resolve 'class-transformer/storage'"。这个问题主要出现在使用了 @nestjs/mapped-types 包中的 IntersectionType 功能时。
问题背景
NestJS 是一个用于构建高效、可扩展 Node.js 服务器端应用程序的框架。它提供了强大的 CLI 工具来帮助开发者快速创建和管理项目。在 NestJS 项目中,开发者可以选择使用 Webpack 作为构建工具,这在某些场景下(如 monorepo 项目)特别有用。
问题现象
当项目配置了 Webpack 作为构建工具,并且代码中使用了 @nestjs/mapped-types 的 IntersectionType 来组合多个 DTO 类时,构建过程会失败,并报出找不到 'class-transformer/storage' 模块的错误。
根本原因
这个问题的根源在于 NestJS CLI 的 Webpack 默认配置中缺少了对 'class-transformer/storage' 模块的特殊处理。NestJS CLI 内部有一个"懒加载导入"列表,用于处理某些特定的模块,但在这个列表中缺少了 'class-transformer/storage' 模块。
解决方案
要解决这个问题,需要修改 NestJS CLI 的 Webpack 默认配置,将 'class-transformer/storage' 添加到懒加载导入列表中。具体修改如下:
const lazyImports = [
'@nestjs/microservices',
'@nestjs/microservices/microservices-module',
'@nestjs/websockets/socket-module',
'class-validator',
'class-transformer',
'class-transformer/storage', // 新增这一行
];
实现细节
-
懒加载导入的作用:这个列表中的模块会被 Webpack 特殊处理,确保它们在运行时正确加载,而不是在构建时就被打包。
-
为什么需要添加:
@nestjs/mapped-types内部使用了class-transformer的高级功能,这些功能依赖于 'class-transformer/storage' 模块。如果不将其添加到懒加载列表,Webpack 就无法正确处理这个依赖关系。 -
影响范围:这个修改会影响所有使用 Webpack 作为构建工具的 NestJS 项目,特别是那些使用了 DTO 组合功能的项目。
最佳实践
-
对于使用 Webpack 的 NestJS 项目,建议检查是否使用了
@nestjs/mapped-types的功能。 -
如果遇到类似的模块解析问题,可以检查 NestJS CLI 的 Webpack 配置,确保所有必要的依赖都被正确处理。
-
在 monorepo 项目中,这个问题的出现概率更高,因为 Webpack 的使用更为常见。
总结
这个问题的解决展示了 NestJS 生态系统中模块间依赖关系的复杂性。通过理解 Webpack 构建过程和 NestJS CLI 的内部配置,开发者可以更好地解决类似的构建问题。对于 NestJS 项目维护者来说,保持构建工具配置与核心库的同步更新是确保良好开发者体验的关键。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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