ts-node安装与配置完全指南
项目基础介绍及编程语言
ts-node 是一个强大的Node.js工具,用于执行TypeScript代码,无需事先编译成JavaScript。它集成了TypeScript的解释器和REPL(Read-Eval-Print Loop),支持原生ES模块以及各种自定义选项,使得在Node.js环境中开发和调试TypeScript应用变得轻而易举。此项目主要使用的编程语言是 TypeScript,并且它依赖于Node.js环境。
关键技术和框架
- TypeScript: 高级静态类型化的JavaScript版本,提供了代码的类型检查和更现代的语言特性。
- Node.js: JavaScript运行时,允许在服务器端运行JavaScript代码。
- npm/yarn: 包管理器,用于安装和管理项目依赖。
- Shebang: 用于脚本文件中的第一行,指定如何运行该文件的命令解释器。
准备工作与详细安装步骤
步骤一:确保Node.js安装
首先,你需要安装 Node.js。访问 Node.js 官网 下载并安装适用于你的操作系统版本。这将同时安装npm包管理器。
步骤二:全局或局部安装ts-node
局部安装(推荐)
对于项目的特定需求,建议在项目目录中进行局部安装:
npm install --save-dev typescript ts-node
# 或者使用yarn
yarn add --dev typescript ts-node
这样做的好处是可以控制每个项目的依赖版本,并且方便版本共享。
全局安装
如果你打算在多个项目中频繁使用ts-node作为开发辅助,可以考虑全局安装:
npm install -g typescript ts-node
# 或者使用yarn
yarn global add typescript ts-node
步骤三:创建或更新tsconfig.json
在项目根目录下,如果没有tsconfig.json,可以通过执行以下命令快速生成默认配置:
tsc --init
接着,为了更好地使用ts-node,你可以编辑这个文件以适应ts-node的需求,例如添加ts-node相关的配置项:
{
"compilerOptions": {
"target": "esnext",
"module": "commonjs", <!-- 若需支持ESM,可改为 "esnext" 并参考文档 -->
"outDir": "./dist", <!-- 输出目录,按需设置 -->
"sourceMap": true,
"esModuleInterop": true
},
"include": ["src/**/*"], <!-- 指定要编译的文件夹 -->
"exclude": ["node_modules"], <!-- 排除不需要编译的目录 -->
"ts-node": { <!-- 可选,直接在这里配置ts-node行为 -->
"transpileOnly": true
}
}
步骤四:使用ts-node运行TypeScript文件
现在,你可以使用ts-node直接运行.ts文件,而不必先将其编译为.js文件。例如,有一个名为app.ts的文件:
ts-node app.ts
如果你希望每次运行TypeScript脚本都使用ts-node,可以在脚本文件顶部加入shebang来实现这一点:
#!/usr/bin/env ts-node
// 然后是你的TypeScript代码
console.log('Hello, World!');
记得给脚本文件增加执行权限:
chmod +x app.ts
步骤五:配置环境变量或命令行参数
如果你想通过环境变量或者命令行参数定制ts-node的行为,比如启用或禁用某些特性,可以在运行时使用相应的CLI标志,或者设置NODE_OPTIONS环境变量。例如,启用ES模块支持:
NODE_OPTIONS='--loader ts-node/esm' node index.ts
通过遵循上述步骤,即使你是初学者,也能顺利地安装和配置ts-node,享受在Node.js中直接编写和运行TypeScript代码的便捷。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00