Modern.js 项目中 Tailwind CSS 4.0 的适配方案
Tailwind CSS 4.0 带来了许多令人兴奋的新特性,但也带来了一些兼容性问题。在 Modern.js 项目中,开发者可能会遇到 PostCSS 插件配置变更的问题。本文将详细介绍如何解决这些问题,并提供完整的适配方案。
问题背景
Tailwind CSS 4.0 对 PostCSS 插件的处理方式进行了重大调整。现在,Tailwind CSS 核心不再直接作为 PostCSS 插件使用,而是需要单独安装 @tailwindcss/postcss 包。这一变更导致 Modern.js 项目中现有的 @modern-js/plugin-tailwindcss 插件无法直接兼容 Tailwind CSS 4.0。
临时解决方案
对于急需使用 Tailwind CSS 4.0 的开发者,目前有以下两种解决方案:
方案一:手动修改 Modern.js 插件
通过修改 @modern-js/plugin-tailwindcss 的源码,将所有对 tailwindcss 的引用替换为 @tailwindcss/postcss。这可以通过 PNPM 的 Patch 功能实现:
- 修改
getTailwindPath和getTailwindVersion方法中的引用路径 - 更新
package.json中的依赖版本要求 - 确保
@tailwindcss/postcss已正确安装
方案二:直接配置 PostCSS
更推荐的做法是暂时不使用 @modern-js/plugin-tailwindcss 插件,而是直接在 Modern.js 配置中手动配置 PostCSS:
- 安装
@tailwindcss/postcss作为项目依赖 - 在
modern.config.ts中移除tailwindcssPlugin - 使用
tools.postcss配置项手动添加 PostCSS 插件
未来展望
Modern.js 团队已经注意到这个问题,预计将在未来的版本中提供对 Tailwind CSS 4.0 的官方支持。在此之前,开发者可以按照上述方案进行适配。
注意事项
- 确保项目中同时安装了
tailwindcss和@tailwindcss/postcss - 检查 PostCSS 版本是否兼容(建议使用 8.5.1 或更高版本)
- 如果使用方案一,请注意后续 Modern.js 版本更新可能会覆盖你的修改
总结
Tailwind CSS 4.0 的架构调整虽然带来了一些适配工作,但也为未来的功能扩展打下了基础。Modern.js 开发者可以通过本文提供的方案顺利过渡到新版本,享受 Tailwind CSS 4.0 带来的新特性。随着 Modern.js 生态的不断完善,官方支持方案也将很快到来。
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