Vue DevTools Next 在 Yarn 4 工作区中的依赖解析问题解决方案
问题背景
在使用 Yarn 4 工作区(monorepo)环境下,开发者可能会遇到 Vue DevTools Next 插件无法正常工作的问题。具体表现为启动开发服务器时出现依赖解析错误,提示 "@vue/devtools-core 尝试访问 vue,但未在其依赖项中声明"。
错误现象
当在 Yarn 4 工作区项目中尝试使用 Vue DevTools Next 插件时,控制台会输出以下错误信息:
failed to load config from vite.config.mts
error when starting dev server:
Error: @vue/devtools-core tried to access vue, but it isn't declared in its dependencies
这种错误通常发生在 Yarn PnP(Plug'n'Play)模式下,表明依赖解析出现了问题。
问题根源
此问题源于 Yarn 4 的严格依赖解析机制。在 Yarn PnP 模式下,所有依赖关系都必须显式声明,否则会被视为潜在问题而阻止加载。虽然 @vue/devtools-core 确实需要 vue 作为依赖,但在某些工作区配置下,Yarn 可能无法正确识别这种隐式依赖关系。
解决方案
经过验证,有以下两种解决方案:
-
将 vue 添加为根项目的开发依赖
在 monorepo 根目录的 package.json 文件中,添加 vue 作为 devDependency:
{ "devDependencies": { "vue": "^3.4.27" } } -
将 vue 添加为子包的依赖
如果不想在根项目中添加依赖,也可以在具体使用 Vue 的子项目(如 web 包)的 package.json 中添加 vue 作为依赖:
{ "dependencies": { "vue": "^3.4.27" } }
技术原理
Yarn 4 的 PnP 机制通过 .pnp.cjs 文件管理依赖关系,相比传统的 node_modules 结构更加严格。当 @vue/devtools-core 尝试访问 vue 时,Yarn 会检查调用链上的所有依赖声明。如果 vue 没有被任何直接依赖声明,Yarn 会阻止这种"模糊"的 require 调用,以避免潜在的依赖冲突。
在 monorepo 环境中,这种检查更加严格,因为工作区可能有多个版本的依赖共存。通过在适当的位置显式声明 vue 依赖,我们为 Yarn 提供了明确的依赖解析路径,从而解决了这个问题。
最佳实践建议
- 对于 monorepo 项目,建议在根项目中声明公共的开发依赖
- 对于特定子项目特有的依赖,应在子项目中单独声明
- 定期运行
yarn dedupe命令来优化依赖树 - 考虑使用 Yarn 的
workspace:协议来显式声明工作区内部的依赖关系
通过遵循这些实践,可以避免大多数与 Yarn PnP 相关的依赖解析问题,确保 Vue DevTools Next 等插件能够正常工作。
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