解决PgTyped在CommonJS项目中模块解析错误的问题
问题背景
在使用PgTyped这个TypeScript数据库查询工具时,许多开发者遇到了一个常见的模块解析问题。当项目使用CommonJS模块系统时,TypeScript会报错提示无法用require导入ECMAScript模块。这个错误表面上看是模块系统不兼容的问题,但实际上与TypeScript的类型解析机制密切相关。
问题本质
这个问题的根源在于PgTyped项目在package.json中exports字段的类型声明配置不够完善。TypeScript在Node16模块解析模式下,会严格检查类型声明文件(.d.ts)的扩展名是否与导入的文件类型匹配。当项目使用CommonJS时,TypeScript期望看到.d.cts扩展名的类型声明文件,而PgTyped只提供了标准的.d.ts文件。
技术细节解析
在Node.js生态中,随着ES模块的普及,模块系统变得复杂起来。TypeScript为了准确处理不同模块系统下的类型检查,引入了对声明文件扩展名的特殊要求:
- .d.ts - 传统的类型声明文件
- .d.mts - 专门用于ES模块的类型声明
- .d.cts - 专门用于CommonJS模块的类型声明
当项目配置了"moduleResolution": "node16"时,TypeScript会严格执行这些扩展名规范,确保类型系统与实际的模块系统一致。
解决方案
解决这个问题的方案是在PgTyped项目中:
- 创建一个新的index.d.cts文件,内容与现有的index.d.ts完全相同
- 修改package.json中的exports字段,为types字段添加条件导出:
- import时使用.d.ts
- require时使用.d.cts
- 默认情况下使用.d.ts
这种配置方式完美解决了TypeScript在不同模块系统下的类型检查需求,同时保持了向后兼容性。
实际影响
这个问题主要影响以下场景的开发者:
- 使用CommonJS模块系统的Node.js项目
- 配置了严格模块解析选项的TypeScript项目
- 需要同时支持ES模块和CommonJS的库开发者
通过这个修复,PgTyped现在可以无缝工作在各类TypeScript项目中,无论开发者选择哪种模块系统。这大大提升了库的兼容性和开发者体验。
最佳实践建议
对于库开发者来说,这是一个很好的实践案例,展示了如何正确处理现代TypeScript项目中的模块解析问题。建议所有需要同时支持ES模块和CommonJS的TypeScript库都采用类似的解决方案:
- 提供.d.ts和.d.cts两套类型声明文件
- 在package.json中正确配置条件导出
- 确保类型声明文件内容一致
- 测试在不同模块系统下的表现
这种方案既符合TypeScript的最新规范,又能兼容各种使用场景,是处理模块系统兼容性的理想选择。
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