Azure SDK for JS 中 @typespec/ts-http-runtime 模块解析问题解析
近期 Azure SDK for JavaScript 在 2025 年 5 月 1 日的更新中引入了一个值得开发者注意的模块解析问题。该问题主要影响使用 Jest 27 或 Webpack 4 等较旧构建工具的项目,表现为无法正确解析 @typespec/ts-http-runtime 包的内部模块路径。
问题现象
当开发者升级到最新版 Azure SDK 后,构建或测试过程中会出现类似以下错误:
Cannot find module '@typespec/ts-http-runtime/internal/logger'
这个错误可能出现在使用 @azure/logger、@azure/core-util 等多个 Azure SDK 包时,具体缺失的内部模块名称可能有所不同。
根本原因
该问题的核心在于新版 Azure SDK 开始使用 ECMAScript 模块的子路径导出(subpath exports)特性。这是一个现代 JavaScript 模块系统的功能,允许包作者更精细地控制模块的导出方式。然而,一些较旧的构建工具如 Jest 27 和 Webpack 4 并不完全支持这一特性。
影响范围
受影响的典型环境包括:
- 使用 Jest 27 及以下版本进行测试的项目
- 基于 Webpack 4 构建的项目(常见于 Vue CLI 4 项目)
- 运行在已停止维护的 Node.js 版本(如 Node 14)上的项目
解决方案
根据不同的项目情况,开发者可以采取以下解决方案:
1. 升级构建工具(推荐)
最彻底的解决方案是升级到支持子路径导出的工具版本:
- 升级到 Jest 28 或更高版本
- 升级到 Webpack 5 或更高版本
- 对于 Vue 项目,考虑升级到 Vue CLI 5
2. 使用模块路径映射(适用于 Jest)
在 Jest 配置中添加模块名称映射:
"jest": {
"moduleNameMapper": {
"^@typespec/ts-http-runtime/internal/(.*)$": "<rootDir>/node_modules/@typespec/ts-http-runtime/dist/commonjs/$1/internal.js"
}
}
3. 锁定核心包版本
在 package.json 中使用 overrides 或 resolutions 锁定特定包版本:
"overrides": {
"@azure-rest/core-client": "2.3.5",
"@azure/logger": "1.1.4",
"@azure/core-util": "1.11.0",
"@azure/core-client": "1.9.3",
"@azure/core-rest-pipeline": "1.19.1"
}
最佳实践建议
-
保持工具链更新:定期更新构建工具和运行时环境,不仅能避免此类兼容性问题,还能获得性能改进和安全更新。
-
关注官方支持策略:Azure SDK 官方明确支持当前的 LTS Node.js 版本,使用已停止维护的 Node.js 版本可能会遇到各种兼容性问题。
-
测试环境一致性:确保开发、构建和测试环境使用相同的主要版本工具,减少环境差异导致的问题。
总结
这次 Azure SDK 更新引入的模块解析问题反映了现代 JavaScript 生态系统中模块系统演进带来的兼容性挑战。开发者应当理解,随着 ECMAScript 标准的不断发展,保持工具链更新是确保项目长期稳定运行的关键。对于暂时无法升级的项目,文中提供的解决方案可以有效缓解问题,但长期来看,规划工具链升级才是最佳选择。
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