Drizzle ORM 在 GitHub Codespaces 中的运行问题分析与解决方案
问题背景
Drizzle ORM 是一个现代化的 TypeScript ORM 框架,其 Studio 功能提供了一个可视化界面来管理数据库。然而,在 GitHub Codespaces 环境中运行时,用户遇到了一个与压缩流相关的错误。
核心问题分析
当在 GitHub Codespaces 中使用 Bun 运行时执行 bunx drizzle-kit studio 命令时,系统会抛出以下错误:
ReferenceError: Can't find variable: CompressionStream
这个错误源于 Drizzle Studio 依赖的 hono/compress 模块,该模块使用了 CompressionStream API。问题本质在于:
- Bun 运行时目前尚未完全实现 Node.js 的所有 API,特别是
CompressionStream - 在 PR 2866 中引入的压缩功能导致了这一兼容性问题
- 该问题不仅限于 Codespaces,在本地使用 Bun 运行时同样会出现
技术细节
CompressionStream 是 Web 标准 API 的一部分,用于在流中实现数据压缩。在 Node.js 环境中,这个 API 是可用的,但在 Bun 中尚未实现。Drizzle Studio 在内部使用这个 API 来处理 HTTP 响应的压缩。
解决方案
经过社区讨论和测试,目前有以下几种可行的解决方案:
-
使用 Node.js 运行时:
- 安装 Node.js(建议版本 18.19.1 或更高)
- 使用
npx drizzle-kit studio代替bunx命令 - 这是目前最稳定的解决方案
-
临时禁用压缩功能:
- 如果可能,可以修改 Drizzle Kit 的配置暂时禁用压缩
- 这需要修改源代码,不是长期解决方案
-
等待 Bun 实现完整 API:
- 关注 Bun 的更新日志,等待其实现完整的
CompressionStream支持 - 这是一个被动方案,不适合急需使用的场景
- 关注 Bun 的更新日志,等待其实现完整的
深入理解
值得注意的是,当系统中同时安装了 Node.js 和 Bun 时,bunx 命令在某些情况下会自动回退到使用 Node.js 运行。这是因为:
bunx会首先检查--bun标志强制使用 Bun- 然后会查找脚本中的 shebang(如
#!/usr/bin/env node) - 最后才会尝试使用 Bun 运行
这种回退机制解释了为什么在安装了 Node.js 的系统上,问题可能会"自动解决"。
最佳实践建议
对于需要在多种环境中使用 Drizzle Studio 的开发者,建议:
- 在开发环境中统一使用 Node.js 作为运行时
- 如果必须使用 Bun,考虑在 CI/CD 流程中明确指定运行时
- 关注 Drizzle ORM 的更新,未来版本可能会解决这一兼容性问题
总结
Drizzle ORM Studio 在 GitHub Codespaces 中的运行问题揭示了 JavaScript 运行时生态系统的碎片化现状。作为开发者,理解不同运行时的特性差异和兼容性状况,能够帮助我们更好地选择和配置开发环境。目前,使用 Node.js 运行时是最可靠的解决方案,而随着 Bun 的不断发展,未来这一问题有望得到根本解决。
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-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