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
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