esm.sh版本URL重定向问题解析与修复
问题背景
esm.sh作为流行的JavaScript模块CDN服务,近期在v135版本中出现了URL重定向异常问题。该问题主要影响使用版本化URL(如/v135/前缀)加载模块的用户,导致模块无法正确解析和加载。
问题现象
当用户尝试通过版本化URL加载模块时,例如访问https://esm.sh/v135/@emotion/sheet?external=react,react-dom,服务端会错误地将版本号插入到包名的第一个@符号前,导致生成错误的URL格式:
错误格式:https://esm.sh/v135/@1.4.0emotion/sheet?external=react,react-dom
正确格式应为:https://esm.sh/v135/@emotion/sheet@1.4.0?external=react,react-dom
这种错误的URL解析导致系统返回"version latest of '@1.4.0emotion/sheet' not found"的错误信息。此外,某些基础模块如react-dom在不指定具体版本时会出现无限重定向循环。
技术分析
该问题源于esm.sh在v136版本更新中引入的URL解析逻辑变更。服务端在处理版本化URL请求时,错误地将包版本号插入到了包名的错误位置,而非按照标准格式将版本号附加在包名之后。
对于模块加载系统而言,正确的包名和版本号解析至关重要。标准的npm包命名规范要求版本号必须紧跟在包名之后,格式为package@version。当这一规则被破坏时,模块解析系统将无法识别正确的包名和版本信息。
解决方案
esm.sh开发团队迅速响应并发布了修复补丁。修复后的系统能够正确处理以下两种场景:
- 带版本前缀的URL请求(如/v135/)
- 不指定具体版本的模块请求(如react-dom)
修复后,系统能够正确生成符合规范的模块URL,确保模块能够被正常加载和使用。
最佳实践建议
为避免类似问题影响生产环境,建议开发者:
- 在关键依赖上明确指定具体版本号
- 考虑锁定esm.sh的服务版本
- 实施适当的错误处理和回退机制
- 关注官方发布的更新公告和变更日志
总结
esm.sh团队对此问题的快速响应和修复展现了其对服务稳定性的重视。作为开发者,理解模块加载系统的工作原理和规范要求,有助于更快地识别和解决类似问题。同时,这也提醒我们在依赖外部CDN服务时需要考虑适当的容错和降级策略。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00