Hardhat v3 与 Vitest 兼容性问题深度解析
2025-05-29 08:10:09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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137