Laravel-AdminLTE 3 项目中配置 Vite 资源打包的实践指南
前言
在 Laravel 项目中集成 AdminLTE 3 前端框架时,资源打包工具的选择直接影响开发效率和最终性能表现。随着 Laravel 生态的发展,Vite 已经取代 Laravel Mix 成为官方推荐的现代前端构建工具。本文将详细介绍如何在 Laravel-AdminLTE 3 项目中正确配置 Vite 作为资源打包工具。
环境准备
在开始配置前,请确保你的开发环境满足以下要求:
- Laravel 11 或更新版本
- Node.js 16+ 环境
- 已通过 Composer 安装 Laravel-AdminLTE 3 包
配置步骤详解
1. 初始化 Vite 配置
首先需要在 Laravel 项目中初始化 Vite 配置。Laravel 11 默认已经包含了 Vite 的配置文件 vite.config.js,我们需要对其进行适当修改。
import { defineConfig } from 'vite';
import laravel from 'laravel-vite-plugin';
export default defineConfig({
plugins: [
laravel({
input: [
'resources/css/app.css',
'resources/js/app.js'
],
refresh: true,
}),
],
});
2. 调整 AdminLTE 资源引入方式
传统方式下,AdminLTE 资源通常通过 CDN 或直接引入静态文件的方式加载。使用 Vite 后,我们需要改为模块化导入方式。
在 resources/js/app.js 中:
import 'admin-lte/dist/js/adminlte.min.js';
import 'admin-lte/plugins/bootstrap/js/bootstrap.bundle.min.js';
在 resources/css/app.css 中:
@import 'admin-lte/dist/css/adminlte.min.css';
@import 'admin-lte/plugins/fontawesome-free/css/all.min.css';
3. 配置 AdminLTE 模板使用 Vite 资源
修改 Laravel-AdminLTE 的配置文件 config/adminlte.php,确保它能够识别 Vite 生成的资源:
'resources' => [
'vite' => true,
'bundles' => [
'js/app.js',
'css/app.css',
],
],
4. 处理静态资源路径问题
由于 Vite 的开发服务器和构建后的资源路径不同,需要在模板中正确引用资源:
@vite(['resources/css/app.css', 'resources/js/app.js'])
5. 处理第三方插件
AdminLTE 依赖的许多插件也需要通过 Vite 正确引入:
// 在 resources/js/app.js 中
import 'admin-lte/plugins/overlayScrollbars/js/jquery.overlayScrollbars.min.js';
import 'admin-lte/plugins/jquery-knob/jquery.knob.min.js';
常见问题解决方案
-
字体文件加载失败
在vite.config.js中添加字体文件的处理规则:export default defineConfig({ // ...其他配置 build: { assetsInlineLimit: 0 // 确保字体文件不被内联 } }); -
生产环境资源路径错误
确保在部署时运行npm run build命令生成生产环境资源 -
HMR 热更新不工作
检查 Vite 开发服务器配置,确保refresh选项已启用
性能优化建议
-
代码分割
利用 Vite 的动态导入功能拆分 AdminLTE 的大型模块 -
Tree Shaking
只引入实际使用的 AdminLTE 组件,减少最终包体积 -
预加载关键资源
使用 Vite 的预加载指令优化关键渲染路径
结语
通过以上步骤,我们成功将 Laravel-AdminLTE 3 项目迁移到 Vite 构建系统。这种配置方式不仅提升了开发体验,还能获得更好的构建性能。Vite 的快速冷启动和热模块替换特性特别适合 AdminLTE 这类复杂前端框架的开发工作流。
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