解决Mitosis项目在Vite 6中JSX导入源配置问题
问题背景
在BuilderIO/mitosis项目中,当用户使用最新版本的Vite和@vitejs/plugin-react时,会遇到JSX运行时导入错误。具体表现为系统提示"Missing './jsx-dev-runtime' specifier in '@builder.io/mitosis' package"错误。
问题分析
这个问题的根源在于TypeScript配置和Vite的JSX处理方式之间的不兼容。在Mitosis项目中,默认的tsconfig.json文件配置了"jsxImportSource": "@builder.io/mitosis",这会导致Vite在解析JSX时尝试从@builder.io/mitosis包中寻找jsx-dev-runtime模块。
随着Vite 6的更新,其对JSX运行时的处理变得更加严格,而@builder.io/mitosis包并没有提供完整的JSX运行时实现,特别是缺少jsx-dev-runtime模块。
解决方案
方案一:修改Vite配置(临时方案)
可以在Vite配置中强制使用classic JSX运行时模式:
import react from '@vitejs/plugin-react';
import { defineConfig } from 'vite';
export default defineConfig({
plugins: react({jsxRuntime: 'classic'})
});
但这种方案需要开发者在所有React组件中手动导入React,增加了开发负担。
方案二:移除jsxImportSource配置(推荐方案)
更彻底的解决方案是移除tsconfig.json中的"jsxImportSource": "@builder.io/mitosis"配置。因为Mitosis生成的React组件实际上是标准的React组件,不需要特殊的JSX导入源。
方案三:为React包添加专用tsconfig(最佳实践)
最完善的解决方案是在library/packages/react/目录下添加专用的tsconfig.json文件,明确指定JSX模式为React:
{
"compilerOptions": {
"jsx": "react"
}
}
这种方案既保持了项目的灵活性,又确保了与最新Vite版本的兼容性。
技术原理
TypeScript的jsxImportSource配置用于指定JSX工厂函数的导入源。在React 17+中,引入了新的JSX转换方式,允许不显式导入React。然而,Mitosis生成的React组件实际上是标准的React组件,不需要特殊的JSX处理。
Vite 6对JSX运行时的处理更加规范,会严格检查指定的jsxImportSource是否提供了完整的运行时实现。由于@builder.io/mitosis并不是一个完整的JSX运行时实现,因此导致了兼容性问题。
结论
对于使用Mitosis生成React组件并集成到Vite 6项目的开发者,建议采用方案三,即为React包添加专用的tsconfig配置。这样既能保持项目的整洁性,又能确保与最新工具链的兼容性。
这个问题也提醒我们,在使用代码生成工具时,需要特别注意生成代码与构建工具的兼容性,及时调整配置以适应工具链的更新。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0207
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0133
MinerUA high-quality tool for convert PDF to Markdown and JSON.一站式开源高质量数据提取工具,将PDF转换成Markdown和JSON格式。Python08
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
wgai开箱即用的JAVAAI在线训练识别平台&OCR平台AI合集包含旦不仅限于(车牌识别、安全帽识别、抽烟识别、常用类物识别等) 图片和视频识别,可自主训练任意场景融合了AI图像识别opencv、yolo、ocr、esayAI内核识别;AI智能客服、AI语言模型、 无任何第三方API接口可定制化自主离线化部署并自主化行业化使用避免占用内存、GPU消耗训练与识别分开使用;Java05
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03