NG-ZORRO项目中isolatedModules支持的解决方案
背景介绍
在TypeScript 5.5版本中,引入了一个重要的编译选项isolatedModules,这个选项旨在提高构建性能。当开发者在使用Angular 18.1及以上版本时,这个选项默认会被启用。isolatedModules模式要求每个文件必须是独立的模块,不能依赖于其他文件的类型信息,这样可以实现更高效的增量编译和并行处理。
问题现象
当开发者在项目中启用isolatedModules选项后,如果同时使用了NG-ZORRO组件库(特别是其中的图标模块),可能会遇到以下编译错误:
TS6053: File '.../node_modules/ng-zorro-antd/icon/public-api.ngtypecheck.d.ts' not found.
这个错误表明编译器无法找到类型检查文件,导致构建过程失败。问题的根源在于NG-ZORRO的图标模块中存在对.ngtypecheck.d.ts文件的引用,而这类文件在isolatedModules模式下不会被生成。
技术原理
isolatedModules是TypeScript的一个严格模式,它要求:
- 每个文件必须能够独立编译,不依赖其他文件的类型信息
- 禁止使用跨文件的类型合并
- 所有导入必须包含文件扩展名
在Angular生态中,.ngtypecheck.d.ts文件是Angular编译器生成的临时类型检查文件,它们不是稳定的API,也不应该被直接引用。在isolatedModules模式下,这类文件不会被生成,因此导致引用失败。
解决方案
NG-ZORRO团队已经在v18.1.1版本中修复了这个问题。修复方案主要包括:
- 移除了对
.ngtypecheck.d.ts文件的直接引用 - 重构了图标模块的类型定义方式
- 确保所有类型声明符合
isolatedModules的要求
对于开发者来说,解决方案非常简单:
- 升级NG-ZORRO到v18.1.1或更高版本
- 确保项目中的TypeScript版本为5.5或更高
- 可以安全地启用
isolatedModules选项
最佳实践
为了充分利用isolatedModules带来的性能优势,同时避免类似问题,建议开发者:
- 保持NG-ZORRO和Angular的版本同步更新
- 在大型项目中逐步启用
isolatedModules,先在小范围测试 - 定期检查项目中的类型定义,避免直接引用编译器生成的临时文件
- 使用Angular官方推荐的构建工具链,确保编译过程的一致性
总结
TypeScript的isolatedModules选项为Angular项目带来了显著的构建性能提升,但也需要生态库做出相应的适配。NG-ZORRO团队及时响应,在v18.1.1版本中完美解决了兼容性问题,使开发者能够无缝享受新技术带来的优势。这体现了NG-ZORRO作为成熟UI组件库对开发者体验的重视和技术前瞻性。
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