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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00