Redux Toolkit 中 codegen-openapi 模块的 ERR_REQUIRE_ESM 问题解析与解决方案
在使用 Redux Toolkit 的 codegen-openapi 模块时,开发者可能会遇到 ERR_REQUIRE_ESM 错误。这个问题通常发生在项目配置为 ES 模块(ESM)但尝试以 CommonJS 方式加载配置文件时。
问题现象
当项目中的 package.json 设置了 "type": "module" 时,系统会将所有 .js 文件视为 ES 模块。此时如果使用 codegen-openapi 工具加载 JavaScript 配置文件(如 openapi-config.js),就会抛出 ERR_REQUIRE_ESM 错误。
错误信息明确指出三种可能的解决方案:
- 将配置文件重命名为 .cjs 扩展名
- 使用动态 import() 语法
- 将 package.json 中的 type 改为 commonjs
深层原因
这个问题的本质是 Node.js 模块系统的差异。ES 模块和 CommonJS 模块在加载机制上有显著不同:
- ES 模块使用 import/export 语法,支持顶层 await,具有静态分析特性
- CommonJS 使用 require/module.exports,是动态加载的
codegen-openapi 内部使用 require() 加载配置文件,这在 ES 模块环境下是不被允许的。
解决方案
1. 使用 JSON 配置文件(推荐)
最直接的解决方案是将配置文件从 JavaScript 转换为 JSON 格式。codegen-openapi 完全支持 JSON 格式的配置文件,这种方式避免了模块系统的兼容性问题。
{
"apiFile": "./src/store/emptyApi.ts",
"apiImport": "emptySplitApi",
"outputFile": "./src/store/api.ts",
"exportName": "api",
"hooks": true
}
2. 修改文件扩展名
将配置文件从 openapi-config.js 重命名为 openapi-config.cjs。.cjs 扩展名明确告诉 Node.js 这是一个 CommonJS 模块。
3. 调整项目模块类型
如果项目可以接受,可以将 package.json 中的 "type": "module" 改为 "type": "commonjs"。但这种方法会影响整个项目的模块系统,可能不是最佳选择。
4. 使用动态导入
修改 codegen-openapi 的源码,将 require() 改为动态 import()。不过这种方法需要维护修改后的版本,不推荐用于生产环境。
最佳实践建议
- 对于简单配置,优先使用 JSON 格式
- 如果配置需要复杂逻辑,考虑使用 .cjs 扩展名
- 保持项目模块系统的一致性,不要混用 ESM 和 CommonJS
- 定期检查工具链的兼容性,特别是涉及模块系统的部分
总结
ERR_REQUIRE_ESM 错误是 Node.js 生态中模块系统过渡期的常见问题。通过理解 ESM 和 CommonJS 的差异,开发者可以灵活选择最适合自己项目的解决方案。对于 Redux Toolkit 的 codegen-openapi 工具,使用 JSON 配置文件是最简单可靠的解决方法。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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