Bun 1.2.5版本中React/Shadcn+TailwindCSS模板热重载问题分析
在Bun 1.2.5版本中,使用bun init命令创建基于React/Shadcn+TailwindCSS模板的项目时,开发服务器会出现运行时错误。这个问题特别影响使用了@radix-ui/react-select组件的项目。
问题现象
当开发者使用Bun 1.2.5版本创建新项目并启动开发服务器后,在浏览器中访问页面并点击包含Select组件的区域时,控制台会抛出"handleChange is not a function"的错误。这个错误导致页面功能无法正常使用。
值得注意的是,这个问题仅在开发模式下出现。当使用bun run build构建生产版本并用bun start运行时,一切功能正常。此外,在Bun 1.2.4版本中也不存在这个问题。
问题根源
经过深入分析,发现问题出在Bun的热模块替换(HMR)实现上。在1.2.5版本中,Bun对热模块格式进行了重写,目的是消除对每个模块的await操作。然而,这一改动引入了一个关键错误。
具体来说,当使用@radix-ui/react-select组件时,它依赖于@radix-ui/react-use-callback-ref模块提供的useCallbackRef钩子。在1.2.4版本中,Bun正确地解析并导入了这个钩子函数。但在1.2.5版本中,Bun错误地将引用指向了HMR代码本身,而不是实际的useCallbackRef函数。
技术细节
通过调试发现,在1.2.4版本中,Bun生成的代码正确地引用了useCallbackRef模块:
import_react_use_callback_ref5 = await module17.importStmt("node_modules/@radix-ui/react-use-callback-ref/dist/index.mjs", (module17) => import_react_use_callback_ref5 = module17, ["useCallbackRef"]);
而在1.2.5版本中,引用变成了:
var [import_react_use_callback_ref5, React15] = hmr.imports;
这种变化导致useCallbackRef实际上被替换成了HMR运行时的一个代理函数,而不是原始的回调引用函数。因此,当@radix-ui/react-use-controllable-state模块尝试调用handleChange时,它实际上调用的是HMR代理,而不是预期的回调函数。
解决方案
Bun开发团队已经确认这是一个回归问题,并在后续版本中修复了这个问题。对于遇到此问题的开发者,可以采取以下临时解决方案:
- 降级到Bun 1.2.4版本
- 避免在开发过程中使用受影响的组件
- 等待官方发布修复版本
总结
这个问题展示了模块打包和热重载机制的复杂性,特别是在处理React组件和钩子函数时。它也提醒我们,即使是小版本更新也可能引入意想不到的回归问题。对于依赖特定工具链的项目,保持对工具链变更的关注和测试是非常重要的。
Bun作为一个新兴的JavaScript运行时,正在快速发展中,这类问题也是成长过程中的一部分。开发者社区和核心团队的快速响应和修复,展现了开源生态的活力。
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