在fly-vue3-templates/vue3-uniapp-template项目中配置多环境打包
多环境打包的需求背景
在现代前端开发中,项目通常需要在不同环境下运行,比如开发环境(development)、测试环境(test)和生产环境(production)。每个环境可能有不同的API地址、配置参数和功能开关。fly-vue3-templates/vue3-uniapp-template作为一个基于Vue3和Uniapp的模板项目,自然也支持这种多环境配置的需求。
环境变量配置原理
Vue CLI和Uniapp项目通常使用.env文件来管理不同环境的变量。在项目根目录下,可以创建以下几种环境文件:
- .env - 基础环境变量
- .env.development - 开发环境变量
- .env.test - 测试环境变量
- .env.production - 生产环境变量
这些文件中的变量可以通过process.env在代码中访问,但需要注意变量名必须以VUE_APP_开头才能在客户端代码中使用。
正确使用打包命令
根据issue中的讨论,用户希望使用test环境打包,但发现npm run build:h5 --mode test命令没有生效。这是因为npm和pnpm在参数传递上有些差异:
- 使用npm时,正确的命令应该是:
npm run build:h5 -- --mode test
- 使用pnpm时,可以直接使用:
pnpm build:h5 --mode test
双横线(--)在npm中用于将参数传递给实际执行的脚本,而不是npm本身。而pnpm在这方面做了优化,可以直接传递参数。
环境变量文件示例
为了确保test环境打包正确工作,我们需要在项目根目录下创建.env.test文件,内容示例如下:
NODE_ENV=production
VUE_APP_ENV=test
VUE_APP_API_BASE=https://test-api.example.com
VUE_APP_DEBUG=false
注意:虽然NODE_ENV设置为production,但通过VUE_APP_ENV可以区分具体环境。
在代码中使用环境变量
在Vue组件或JavaScript文件中,可以通过以下方式访问环境变量:
const apiUrl = process.env.VUE_APP_API_BASE
const currentEnv = process.env.VUE_APP_ENV
打包后的环境验证
为了确认打包确实使用了test环境,可以在打包后检查生成的代码中是否包含test环境的配置。也可以在代码中加入环境判断逻辑:
if (process.env.VUE_APP_ENV === 'test') {
console.log('当前运行在测试环境')
}
常见问题排查
如果环境变量没有按预期工作,可以检查以下几点:
- 环境变量文件是否放在项目根目录
- 变量名是否以VUE_APP_开头
- 打包命令是否正确传递了--mode参数
- 项目依赖是否最新,特别是@vue/cli-service等构建工具
总结
正确配置和使用多环境打包是项目开发中的重要环节。通过合理利用.env文件和正确的打包命令,可以轻松实现不同环境的构建和部署。在fly-vue3-templates/vue3-uniapp-template项目中,使用pnpm build:h5 --mode test或npm run build:h5 -- --mode test都可以实现test环境的打包需求。
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-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