Evidence项目中使用basePath配置导致构建失败的解决方案
2025-06-08 03:04:17作者:史锋燃Gardner
在Evidence项目中部署到子目录时,开发者可能会遇到构建失败的问题。本文将详细分析该问题的原因,并提供完整的解决方案。
问题现象
当开发者在Evidence项目中配置了basePath参数后,执行构建命令(npm run build)时会出现404错误。错误信息表明路径不以配置的base开头,导致构建过程终止。
原因分析
该问题通常是由于basePath配置格式不正确导致的。Evidence项目要求basePath配置必须遵循特定格式规范:
- 必须包含前导斜杠(/)
- 必须在evidence.config.yaml文件的deployment部分下配置
- 路径格式必须正确
解决方案
正确的配置方式是在evidence.config.yaml文件中添加如下内容:
deployment:
basePath: /your-base-path
其中/your-base-path应替换为实际需要的子目录路径,但必须保留前导斜杠。
技术细节
这个配置项会影响Evidence项目的以下方面:
- 静态资源路径解析
- 路由生成
- 构建输出结构
当配置正确时,Evidence会自动处理所有路径相关的逻辑,包括:
- 资源引用路径重写
- 路由前缀处理
- 构建输出目录结构调整
验证方法
配置完成后,可以通过以下步骤验证是否生效:
- 运行开发服务器:npm run dev
- 访问配置的子路径,检查页面是否能正常加载
- 检查控制台是否有资源加载错误
注意事项
- 确保所有内部链接都使用相对路径或基于basePath的绝对路径
- 部署时,web服务器也需要相应配置以匹配basePath
- 如果使用CDN,需要确保CDN配置与basePath一致
总结
Evidence项目对basePath配置有严格的格式要求,正确配置后可以顺利实现子目录部署。开发者应特别注意前导斜杠的使用和配置位置,这是避免构建失败的关键。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.88 K
暂无简介
Dart
671
156
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
260
322
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
311
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
654
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1