NgRx Store DevTools 中缺失 @angular/core 依赖问题解析
问题背景
在使用 NgRx 状态管理库时,开发者可能会遇到一个与依赖管理相关的构建错误。当使用 pnpm 作为包管理器并启用其隔离模块功能时,构建应用时会报错提示缺少 @angular/core 包。
错误表现
具体错误信息如下:
✘ [ERROR] Missing "./rxjs-interop" specifier in "@angular/core" package [plugin vite:dep-pre-bundle]
7 │ import { toSignal } from '@angular/core/rxjs-interop';
问题根源
这个问题源于 @ngrx/store-devtools 包在 package.json 中没有正确声明 @angular/core 作为 peerDependency。相比之下,@ngrx/store 模块已经正确设置了这一依赖关系。
在 pnpm 的隔离模块模式下,依赖关系会被严格管理。由于 @ngrx/store-devtools 没有声明对 @angular/core 的依赖,导致构建时无法找到所需的 Angular 核心模块。
解决方案
官方修复方案
该问题已被官方修复,解决方案是在 @ngrx/store-devtools 的 package.json 中添加 @angular/core 作为 peerDependency,与 @ngrx/store 模块保持一致。
临时解决方案
在等待官方发布修复版本期间,开发者可以手动修改 pnpm 的 lockfile 来临时解决这个问题:
- 打开 pnpm-lock.yaml 文件
- 找到
@ngrx/store-devtools的依赖项 - 添加
@angular/core作为依赖
修改示例如下:
'@ngrx/store-devtools@18.0.2(@ngrx/store@18.0.2(@angular/core@18.1.3(rxjs@7.8.1)(zone.js@0.14.10))(rxjs@7.8.1)':
dependencies:
'@angular/core': 18.1.3(rxjs@7.8.1)(zone.js@0.14.10)
'@ngrx/store': 18.0.2(@angular/core@18.1.3(rxjs@7.8.1)(zone.js@0.14.10))(rxjs@7.8.1)
rxjs: 7.8.1
tslib: 2.6.3
修改后运行 pnpm install,应该会显示添加了一个依赖项:
Lockfile is up to date, resolution step is skipped
Packages: +1
+
Progress: resolved 1, reused 1, downloaded 0, added 0, done
技术原理
这个问题涉及到 npm 包管理中的依赖声明机制:
- peerDependencies:表示这个包需要宿主环境提供的依赖,但不会自动安装
- dependencies:表示这个包直接需要的依赖,会被自动安装
- pnpm 的隔离模式:每个包都有自己独立的 node_modules,依赖关系更加严格
在 Angular 生态系统中,核心功能如 rxjs-interop 是通过 @angular/core 提供的。当 @ngrx/store-devtools 尝试使用 toSignal 等功能时,必须确保 @angular/core 可用。
最佳实践
- 对于库开发者:应该明确声明所有必需的 peerDependencies
- 对于应用开发者:
- 定期更新依赖版本
- 了解所使用的包管理器的特性
- 遇到类似问题时,可以检查依赖关系图
总结
依赖管理是现代前端开发中的重要环节。通过理解 npm 包的各种依赖类型和不同包管理器的工作机制,开发者可以更好地解决构建时遇到的依赖问题。NgRx 团队已经修复了这个问题,展示了开源社区对这类问题的快速响应能力。
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