Hardhat v3 与 Vitest 兼容性问题深度解析
2025-05-29 11:22:48作者:庞队千Virginia
问题背景
Hardhat 是一个流行的区块链开发环境,而 Vitest 是一个现代化的前端测试框架。在 Hardhat v3 版本中,开发者发现当尝试将两者结合使用时,会出现无法识别 TypeScript 配置文件的问题。
问题现象
当开发者使用 Vitest 运行测试时,系统会抛出错误:"Unknown file extension '.ts' for hardhat.config.ts"。这表明 Vitest 无法正确处理 TypeScript 配置文件。
技术分析
根本原因
问题根源在于 Hardhat v3 的配置文件加载机制。Hardhat 默认会尝试直接加载 .ts 配置文件,这在 Hardhat 自身的测试环境中可以正常工作,因为 Hardhat 内部实现了对 TypeScript 文件的即时编译。然而,当通过 Vitest 运行时,这种即时编译机制没有被触发,导致 Vitest 无法处理 TypeScript 文件的导入。
深层机制
- 文件加载流程:Hardhat 在启动时会通过
import()动态加载配置文件 - 环境差异:Hardhat 测试环境内置了 TypeScript 编译支持,而 Vitest 虽然支持 TypeScript 测试文件,但不支持从依赖项中导入 TypeScript 文件
- 模块系统:Node.js 原生不支持直接导入 TypeScript 文件,需要额外的转译层
解决方案
临时解决方案
开发者可以通过以下方式临时解决问题:
- 将
hardhat.config.ts转换为 JavaScript 文件 - 确保所有合约都已预先编译(通过
hardhat compile命令)
长期解决方案
核心开发团队提出了一个更优雅的解决方案:实现一个回退机制,当直接导入 TypeScript 文件失败时,自动尝试使用 tsx 进行转译。具体实现思路如下:
async function importConfigFileWithTsxFallback(configPath) {
try {
return await import(configPath);
} catch (error) {
if (error.code === "ERR_UNKNOWN_FILE_EXTENSION" && configPath.endsWith(".ts")) {
const { tsImport } = await import('tsx/esm/api');
return tsImport(configPath, import.meta.url)
}
throw error;
}
}
技术启示
- 工具链兼容性:现代开发工具链日益复杂,不同工具间的兼容性问题需要特别关注
- 模块加载策略:在开发库或框架时,需要考虑用户可能在不同环境中使用的情况
- 渐进增强:实现功能时采用渐进式策略,先尝试简单方式,再回退到复杂方案
最佳实践建议
对于需要在 Vitest 中使用 Hardhat 的开发者,建议:
- 预先编译配置文件为 JavaScript
- 在测试前确保所有合约都已编译
- 关注 Hardhat 官方更新,及时获取对 Vitest 的官方支持
- 考虑在测试设置中添加编译步骤
这个问题展示了现代 JavaScript/TypeScript 生态系统中工具链集成的复杂性,也体现了 Hardhat 团队对开发者体验的重视。通过理解底层机制,开发者可以更好地解决类似问题,并构建更健壮的项目架构。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
177
195
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
264
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
270
94
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
378
3.34 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1