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。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust021
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00