Shepherd.js v12 版本中的 TypeScript 类型问题解析
2025-05-17 05:15:49作者:董宙帆
Shepherd.js 是一个流行的 JavaScript 页面引导库,在最新发布的 v12 版本中,其 TypeScript 类型定义发生了重大变化,导致了一些兼容性问题。本文将深入分析这些变化及其影响,并为开发者提供解决方案。
类型定义变更的核心问题
在 v11 版本中,开发者可以方便地使用 Shepherd 命名空间来引用类型和构造函数:
import Shepherd from 'shepherd.js';
const tour: Shepherd.Tour = new Shepherd.Tour();
然而在 v12 版本中,这种写法不再有效,主要因为:
- Shepherd 不再作为命名空间导出
- 类型定义现在分散在各个模块文件中
- 模块解析方式发生了变化
新版本的正确使用方式
v12 版本要求开发者采用以下方式:
import Shepherd from 'shepherd.js';
import { Tour } from 'shepherd.js/tour';
const tour: Tour = new Shepherd.Tour();
这种变化带来了几个明显的问题:
- 类型与实际实现不匹配:虽然可以从 'shepherd.js/tour' 导入 Tour 类型,但不能直接实例化 new Tour()
- 开发体验下降:需要同时导入构造函数和类型,增加了代码复杂度
- 模块解析配置变更:需要将 moduleResolution 设置为 'Bundler' 而非 'node'
技术背景分析
这种变化源于项目向现代 ESM 模块系统的迁移。在 ESM 规范下,传统的命名空间导出方式不再推荐,而是鼓励使用更明确的模块导入导出方式。
然而,当前的实现存在类型定义与实际模块结构不匹配的问题。类型定义暗示可以从子模块导入构造函数,但实际上这些子模块文件并不存在。
解决方案与最佳实践
对于正在升级到 v12 的开发者,建议:
- 避免显式类型注解,让 TypeScript 自动推断类型
- 如果必须使用显式类型,确保只从主模块导入构造函数
- 更新 tsconfig.json 中的 moduleResolution 设置
项目维护者已经意识到这些问题,并在后续版本中进行了改进,将所有类型定义合并到单个声明文件中,以提供更一致的开发体验。
总结
Shepherd.js v12 的类型定义变化反映了 JavaScript 生态向 ESM 的演进过程。虽然短期内可能带来一些迁移成本,但这种变化有助于项目的长期维护和现代化。开发者应理解这些变化背后的技术考量,并相应调整自己的代码结构。
对于库作者而言,这也提醒我们在进行重大变更时,需要更全面地考虑开发者体验,并提供清晰的迁移指南。
登录后查看全文
热门项目推荐
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 StartedRust013
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
项目优选
收起
暂无描述
Dockerfile
677
4.32 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
518
629
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++
947
888
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
399
303
🎉 (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
1.57 K
909
暂无简介
Dart
922
228
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
559
昇腾LLM分布式训练框架
Python
144
169
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381