JSR项目中模块发布排除问题的分析与解决
在JSR项目的使用过程中,开发者可能会遇到一个关于模块发布排除的常见问题。本文将深入分析该问题的成因,并提供详细的解决方案。
问题现象
当开发者尝试发布一个JSR包时,系统会在慢速类型检查阶段对node_modules中的深层依赖进行.d.ts文件检查,并报告类似以下的错误信息:
error[excluded-module]: module in package's module graph was excluded from publishing
--> /Projects/node_modules/.pnpm/oslo@1.1.3/node_modules/oslo/dist/crypto/index.d.ts
= hint: remove the module from 'exclude' and/or 'publish.exclude' in the config file
错误信息明确指出,在包的模块图中存在被排除发布的模块,这些模块虽然被包的导出所引用,但由于被排除在发布范围外,将在运行时导致错误。
问题根源
这个问题通常由以下几个原因导致:
-
配置文件中排除了关键模块:在jsr的配置文件(如deno.json或jsr.json)中,开发者可能无意中将某些必要模块添加到了'exclude'或'publish.exclude'列表中。
-
依赖关系处理不当:当项目依赖的第三方包(如示例中的oslo@1.1.3)内部模块被错误排除时,也会引发此问题。
-
类型检查机制:JSR在发布前会执行严格的类型检查,包括对依赖链中所有模块的.d.ts文件进行验证。
解决方案
要解决这个问题,开发者可以采取以下步骤:
-
检查配置文件:仔细审查项目中的配置文件(通常是deno.json或jsr.json),查找'exclude'和'publish.exclude'字段。确保这些字段没有错误地排除了必要的模块。
-
验证依赖关系:如果问题来自第三方依赖(如示例中的oslo包),考虑:
- 更新到该依赖的最新版本
- 检查该依赖是否有已知的兼容性问题
- 必要时联系依赖的维护者
-
模块导出检查:确保所有通过包导出公开引用的模块都不在排除列表中。任何被导出引用的模块都必须包含在发布包中。
-
测试发布:在正式发布前,使用JSR提供的预览或测试发布功能验证配置修改是否解决了问题。
最佳实践
为避免此类问题,建议开发者:
-
谨慎使用排除列表:只在确实需要时排除模块,并确保排除的模块不会被任何导出引用。
-
分层管理依赖:将开发依赖与生产依赖明确分开,避免生产依赖被错误排除。
-
持续集成测试:在CI流程中加入发布前的类型检查步骤,及早发现问题。
-
文档记录:对项目中的排除配置进行详细注释,说明每个排除项的原因。
通过以上分析和解决方案,开发者可以有效地解决JSR项目中的模块发布排除问题,确保包的顺利发布和稳定运行。
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