解决 create-t3-turbo 项目中 TypeScript 增量编译缓存问题
在 create-t3-turbo 项目中,开发者遇到了一个关于 TypeScript 增量编译的有趣问题。当删除已编译的 dist 目录后,再次运行构建命令时,Turbo 会显示"FULL TURBO"提示,但实际上并未重新生成 dist 目录。这显然不是预期行为,因为开发者期望的是能够重新构建输出。
问题现象分析
该问题表现为:
- 执行 pnpm build 命令成功生成 dist 目录
- 手动删除 dist 目录后
- 再次执行相同的构建命令
- Turbo 显示使用缓存(FULL TURBO)
- dist 目录未被重新生成
经过多次测试发现,单纯删除 dist 目录并不足以触发 TypeScript 的重新编译。这是因为 TypeScript 的增量编译机制依赖于 tsbuildinfo 文件来跟踪项目状态。
技术背景
TypeScript 的增量编译功能通过 tsbuildinfo 文件记录编译状态。这个文件包含了项目源文件和输出文件之间的映射关系。当启用增量编译时,TypeScript 编译器会检查这个文件来决定哪些文件需要重新编译。
在 create-t3-turbo 项目中,tsconfig.json 配置中明确指定了 tsBuildInfoFile 路径为 node_modules/.cache/tsbuildinfo.json,这意味着编译状态信息被存储在缓存目录中。
解决方案探索
经过多次尝试,开发者发现了几个关键点:
- 仅删除 dist 目录不足以触发重新编译
- 删除 packages/[package]/node_modules/.cache/tsbuildinfo.json 有时有效
- 最可靠的解决方法是同时删除 package 本地和根目录的缓存文件
最终,通过修改构建脚本,在构建前主动清理相关缓存文件,可以确保每次构建都能正确生成输出目录。建议的构建脚本修改如下:
"build": "rimraf dist/ && rimraf node_modules/.cache/tsbuildinfo.json && tsc --noEmit false --outDir dist"
这个脚本确保在每次构建前:
- 删除旧的 dist 目录
- 清除 TypeScript 的编译状态缓存
- 执行 TypeScript 编译并输出到 dist 目录
替代方案讨论
除了解决 TypeScript 增量编译问题外,社区还探讨了其他构建方案:
- 使用 tsup 或 pkgroll 等替代构建工具
- 在生产环境直接使用 tsx 运行 TypeScript 文件,避免编译步骤
特别是 tsx 方案,通过在 Dockerfile 中直接运行 node --import tsx src/index.ts,可以完全跳过构建步骤。这种方案简化了开发流程,但也需要考虑运行时性能影响。
最佳实践建议
对于 create-t3-turbo 项目,推荐以下做法:
- 在构建脚本中显式清理缓存文件
- 考虑在 monorepo 的清理命令中包含缓存清理
- 如果选择直接运行 TypeScript 的方案,需要评估生产环境性能影响
理解 TypeScript 增量编译机制对于解决这类问题至关重要。通过合理配置构建流程,可以确保开发体验的一致性和可靠性。
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-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