Fortune-Sheet 项目中公式解析器升级引发的构建问题分析
问题背景
在Fortune-Sheet项目最近的开发中,团队对公式解析器(formula-parser)进行了升级。这一变更在合并后导致了项目的构建过程(yarn build)失败。构建系统报出了一个导入错误,尽管实际上被导入的属性确实存在于导出模块中。
问题表现
构建失败的具体表现为:
- 在CI/CD流水线中,构建作业(8967287069)执行失败
- 错误类型为导入错误(import error)
- 表面现象是系统认为某个属性未被导出,但实际上该属性确实存在于导出模块中
问题根源
经过开发团队分析,问题主要源于以下几个方面:
-
构建顺序问题:项目中的各个模块(formula-parser、core、react)之间存在依赖关系,但构建顺序没有明确规划,导致依赖关系混乱。
-
手动修改残留:在公式解析器的grammar-parser.js文件中,存在一些手动插入的代码片段,这些片段在升级过程中可能与新版本产生了冲突。
-
缓存问题:本地开发环境中可能存在旧的构建缓存,导致开发者无法立即看到修复后的效果。
解决方案
团队采取了以下措施解决该问题:
-
明确构建顺序:调整构建流程,确保先构建formula-parser,然后是core,最后是react模块,形成清晰的依赖链。
-
清理手动代码:移除了grammar-parser.js中一些手动插入的代码片段,特别是与NUMONLY规则相关的条件判断逻辑。
-
完整重建流程:在应用修复后,需要先执行yarn命令重新构建formula-parser模块,然后再执行整体构建。
技术细节
在grammar-parser.js文件中,团队移除了以下关键代码段:
const stackLen = stackCache.length
if (rules[i] === 8 && match[0].match(NUMONLY) && !(match.input.slice(match[0].length)[0] === ":" || (stackLen > 3 && stackCache[stackLen - 4] === 25 && stackCache[stackLen - 2] === 27))) {
match = false;
continue;
}
这段代码原本用于处理特定条件下的数字匹配逻辑,但在新版本中可能已经不再需要,或者其功能已被其他方式实现。
经验总结
-
模块化项目的构建顺序至关重要,特别是当模块间存在依赖关系时,必须确保依赖模块先于使用模块构建。
-
手动修改需谨慎:对于自动生成的代码文件(如语法解析器),手动修改可能会在升级时带来兼容性问题,应当尽量通过配置或扩展点来实现定制需求。
-
构建环境清理:在解决构建问题时,完整的清理和重建往往是必要的,可以避免缓存带来的干扰。
-
持续集成验证:CI系统的及时反馈帮助团队快速发现了这一问题,体现了自动化测试和构建流程的价值。
通过这次事件,Fortune-Sheet项目团队进一步完善了构建流程和模块管理规范,为未来的开发和维护工作打下了更坚实的基础。
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