解决electron-builder在Windows构建时文件路径过长的问题
问题背景
在使用electron-builder构建Electron应用时,许多开发者遇到了一个常见问题:在Windows环境下,特别是使用pnpm作为包管理器时,构建过程中会出现"!include: could not open file"的错误。这个问题主要出现在GitHub Actions等CI环境中,但有时也会在本地开发环境中出现。
问题表现
错误信息通常如下所示:
!include: could not open file: "...\node_modules\.pnpm\app-builder-lib@25.0.0-alpha.6...\node_modules\app-builder-lib\templates\nsis\include\StdUtils.nsh"
Error in script "<stdin>" on line 1 -- aborting creation process
根本原因
这个问题主要由以下几个因素共同导致:
-
Windows文件路径长度限制:尽管现代Windows系统已经支持长路径,但某些工具和场景下仍然存在限制。
-
pnpm的虚拟存储结构:pnpm使用硬链接和符号链接来管理依赖,这会导致node_modules目录结构比npm/yarn更深。
-
CI环境的工作目录:GitHub Actions等CI平台通常会在较深的目录路径下运行构建,进一步加剧了路径长度问题。
-
electron-builder的NSIS脚本引用:构建过程中需要引用位于node_modules深处的NSIS脚本文件。
解决方案
1. 降级electron-builder版本
临时解决方案是降级到已知可用的版本:
- electron-builder 24.9.1
- electron-builder 24.13.0
2. 配置pnpm的虚拟存储路径
在项目根目录的.npmrc文件中添加以下配置:
virtual-store-dir-max-length=80
这个配置会限制pnpm创建的虚拟存储目录的路径长度。需要注意的是:
- 修改配置后需要重新运行pnpm install
- 对于monorepo项目,需要在根目录的.npmrc中配置
3. 启用Windows长路径支持
虽然GitHub Actions的Windows环境默认已启用长路径支持,但在本地开发环境中可以执行以下PowerShell命令确保启用:
Set-ItemProperty -Path "HKLM:\SYSTEM\CurrentControlSet\Control\FileSystem" -Name "LongPathsEnabled" -Value 1
4. 调整项目目录结构
将项目放在更接近根目录的位置,例如:
- 不推荐:C:\Users\username\long\path\to\project
- 推荐:C:\projects\my-project
最佳实践建议
-
版本兼容性:目前推荐使用electron 30.x + electron-builder 24.9.1的组合
-
CI环境优化:
- 在GitHub Actions中,优先使用pnpm的路径长度限制配置
- 确保构建步骤在修改.npmrc后执行pnpm install
-
长期解决方案:
- 关注electron-builder的未来版本更新
- 考虑向electron-builder项目提交改进建议
总结
Windows环境下的文件路径长度限制与pnpm的目录结构设计相结合,导致了electron-builder构建过程中的文件访问问题。通过合理配置pnpm或调整electron-builder版本,开发者可以有效解决这一问题。随着工具的不断演进,这个问题有望在未来的版本中得到根本性解决。
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