Modern.js 项目中 ESM 模块兼容性问题解析
问题背景
在使用 Modern.js 2.62.1 版本开发 BFF (Backend For Frontend) 服务时,开发者遇到了一个典型的模块系统兼容性问题。当尝试在项目根目录下的 api 目录中使用 @octokit/auth-oauth-user 这个纯 ESM 格式的包时,系统抛出了 TypeError 错误,提示无法识别 .ts 文件扩展名。
错误分析
错误信息显示系统无法处理 TypeScript 文件,这实际上反映了更深层次的模块系统兼容性问题。Modern.js 服务器默认以 CommonJS 格式运行,而 @octokit/auth-oauth-user 是一个纯 ESM 格式的包,这种不匹配导致了运行时错误。
解决方案
要解决这个问题,我们需要将整个项目转换为 ESM 格式,以下是具体步骤:
-
修改 package.json 在项目的 package.json 中明确指定模块类型为 ESM:
{ "type": "module" } -
调整 TypeScript 配置 更新 tsconfig.json 文件以支持 ESM 模块:
{ "compilerOptions": { "module": "esnext", "moduleResolution": "bundler" } } -
文件导入规范 在 server、api 和 shared 目录中,所有相对路径导入都需要添加 .js 后缀:
import type { Vars } from '../shared/index.js';
注意事项
-
路径别名限制:在 ESM 模式下,server、api 和 shared 目录中不能使用 tsconfig 中定义的路径别名,这是当前的一个限制。
-
模块选择建议:在选择第三方依赖时,优先考虑支持双模式(同时支持 CommonJS 和 ESM)的包,可以减少兼容性问题。
-
渐进式迁移:对于大型项目,可以考虑逐步迁移到 ESM,而不是一次性全部转换。
技术原理
这个问题的本质是 Node.js 生态系统中 CommonJS 和 ESM 两种模块系统的差异。Modern.js 默认使用 CommonJS 是为了保证最大的兼容性,而越来越多的现代包(如 @octokit/auth-oauth-user)选择只提供 ESM 格式,以获得更好的 tree-shaking 和静态分析能力。
通过将项目明确标记为 ESM 格式,我们告诉 Node.js 运行时应该使用 ESM 的模块解析规则,从而能够正确处理纯 ESM 包的导入。
总结
Modern.js 作为一个现代化的全栈框架,同时支持 CommonJS 和 ESM 两种模块系统。理解这两种系统的差异并根据项目需求选择合适的配置,是保证项目顺利运行的关键。对于需要使用纯 ESM 包的项目,按照上述步骤配置可以有效地解决问题,同时也能享受到 ESM 带来的各种优势。
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