GitHub Actions TypeScript模板中实现前后置脚本的最佳实践
背景介绍
在GitHub Actions的TypeScript项目开发中,开发者经常需要实现一些前置准备或后置清理的逻辑。标准的TypeScript Action模板默认只支持单个入口文件,这在实际开发中往往无法满足复杂场景的需求。
问题分析
传统解决方案是通过修改package.json中的构建脚本,为每个钩子单独配置构建命令。这种方法虽然可行,但会导致严重的代码重复问题。例如,当同时构建主脚本和后置脚本时,最终生成的dist目录中会出现两份几乎完全相同的代码,这不仅增加了包体积,也降低了构建效率。
技术方案对比
NCC构建方案
使用@vercel/ncc工具的传统构建方式存在明显缺陷:
- 每个脚本需要独立构建命令
- 生成的代码存在大量重复
- 构建配置复杂且难以维护
Rollup替代方案
相比NCC,Rollup提供了更优雅的解决方案:
- 支持多入口配置
- 自动处理依赖共享
- 生成代码更加精简
- 构建配置更加清晰
实现建议
-
项目结构调整:建议将不同阶段的逻辑拆分到单独的TS文件中,如main.ts、pre.ts和post.ts。
-
Rollup配置:使用Rollup的多入口配置能力,确保公共依赖只打包一次。典型配置应包括:
- 明确指定各入口文件
- 配置输出格式为CommonJS
- 设置正确的输出目录结构
-
类型声明处理:由于Rollup对声明文件处理较为严格,建议暂时关闭声明映射功能,待后续工具链完善后再考虑添加。
注意事项
-
本地测试时,前置钩子(pre)可能无法正常工作,这是GitHub Actions本身的限制。
-
构建过程中要注意处理许可证文件等资源文件的复制。
-
对于复杂的依赖关系,可能需要额外配置Rollup插件来处理特殊情况。
总结
对于需要多阶段执行的GitHub Actions TypeScript项目,推荐使用Rollup替代NCC作为构建工具。这种方案不仅能解决代码重复问题,还能提供更清晰的构建配置和更优化的输出结果。随着GitHub Actions对ESM支持程度的提高,未来这类构建方案将会更加完善。
开发者在实际实施时,应根据项目具体需求选择合适的构建策略,并注意测试各阶段的执行情况,确保Action的整体可靠性。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~059
CommonUtilLibrary快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04
GitCode百大开源项目GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07
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
openHiTLS旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0381- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-CoderYi Coder 编程模型,小而强大的编程助手HTML013