Yarn Berry 中 package.json 格式化问题的分析与解决方案
问题背景
在 Yarn Berry 项目中,用户发现了一个关于 package.json 文件格式化的特殊现象:即使 yarn install 命令没有对 package.json 文件内容进行任何实质性修改,Yarn 仍然会重新格式化该文件。这种自动格式化行为在某些情况下可能带来不便,特别是当开发者已经对文件进行了特定的格式化配置时。
问题重现
通过以下步骤可以重现这个问题:
- 创建一个新项目并初始化 Yarn
- 添加一些开发依赖
- 在
package.json中添加特定的 ESLint 配置,特别是包含长数组的部分 - 再次运行
yarn install
此时可以观察到,即使没有实际修改 package.json 的内容,Yarn 仍然会重新格式化文件中的数组部分,将其从单行格式改为每行一个元素的格式。
技术分析
Yarn 的核心团队认为这不是一个 bug,而是设计上的选择。Yarn 在写入 package.json 文件时会应用自己的格式化逻辑,而不是保留原有的格式。这种行为有以下几点考虑:
- 一致性:确保所有项目中的
package.json格式一致 - 可读性:对于长数组或对象,分行显示通常更易于阅读
- 简化实现:避免复杂的格式保留逻辑可以保持代码简洁
然而,这种设计确实可能干扰开发者已有的格式化配置,特别是当项目使用了如 Prettier 等格式化工具时。
解决方案
对于希望保持原有格式的开发者,有以下几种解决方案:
1. 使用 --immutable 标志
运行 yarn install --immutable 可以阻止 Yarn 修改 package.json 文件。但这种方法只适用于不需要更新依赖的情况。
2. 创建 Yarn 插件
开发者可以创建一个自定义 Yarn 插件,在安装完成后自动运行 Prettier 来恢复原有格式。以下是一个示例插件实现:
import { cwd as cwdFunc, stdout, stdin, stderr } from 'process';
import { Configuration, Hooks, Project, scriptUtils } from '@yarnpkg/core';
import { getPluginConfiguration } from '@yarnpkg/cli';
import { PortablePath } from '@yarnpkg/fslib';
module.exports = {
factory: (): { hooks: Hooks } => ({
hooks: {
afterAllInstalled(project: Project): void {
void (async () => {
const cwd = cwdFunc() as PortablePath;
const configuration = await Configuration.find(cwd, getPluginConfiguration());
const { locator } = await Project.find(configuration, cwd);
const packageAccessibleBinaries = await scriptUtils.getPackageAccessibleBinaries(
locator,
{ project }
);
if (!packageAccessibleBinaries.get('prettier')) {
throw new Error('Prettier not found.');
}
const ret = await scriptUtils.executePackageAccessibleBinary(
locator,
'prettier',
['--log-level', 'error', '-w', 'package.json', '.yarnrc.yml'],
{ cwd, packageAccessibleBinaries, project, stderr, stdin, stdout }
);
if (ret !== 0) {
throw new Error(`Prettier returned non-zero: ${ret}.`);
}
})();
},
},
}),
name: 'plugin-prettier-after-all-installed',
};
3. 使用 Git 钩子验证
对于使用 Git 的项目,可以设置 pre-commit 钩子来验证 yarn.lock 是否与 package.json 同步,而不受格式变化的影响:
repos:
- hooks:
- entry: yarn install --check-cache --immutable
files: ^package\.json$
id: yarn-check-lock
language: system
name: check yarn.lock is up-to-date
pass_filenames: false
最佳实践建议
- 明确格式化责任:在团队中明确是使用 Yarn 的自动格式化还是统一使用 Prettier 等工具
- 文档记录:在项目文档中记录格式化策略,避免团队成员困惑
- CI/CD 集成:在持续集成流程中加入格式检查,确保一致性
- 考虑使用 .yarnrc.yml:某些配置可以放在 .yarnrc.yml 中,减少对 package.json 的依赖
总结
Yarn Berry 对 package.json 的自动格式化行为是其设计的一部分,虽然可能不符合所有开发者的预期,但通过合理的配置和工具链整合,开发者可以找到适合自己的解决方案。理解工具的行为并适当调整工作流程,是高效使用现代 JavaScript 工具链的关键。
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