Nx 20.3.2版本发布:全面增强模块联邦与JavaScript生态支持
Nx作为新一代的智能构建系统,在20.3.2版本中带来了多项重要改进,特别是在模块联邦(Module Federation)和JavaScript生态支持方面取得了显著进展。这个版本不仅优化了现有功能,还修复了多个关键问题,为开发者提供了更稳定高效的开发体验。
模块联邦升级
本次版本最值得关注的改进之一是模块联邦功能的增强。Nx团队将@module-federation/enhanced升级到了最新版本,这意味着开发者现在可以获得更强大的微前端架构支持。模块联邦作为现代前端架构的重要组成部分,允许不同项目间共享代码和资源,而Nx的深度集成使得这一技术在企业级应用中更加易用和可靠。
JavaScript生态全面优化
20.3.2版本对JavaScript项目的支持进行了全方位提升:
-
TypeScript解决方案配置:改进了对TypeScript解决方案设置的检测,确保构建时能正确生成ESM输出。这对于现代JavaScript开发至关重要,因为ES模块已成为标准。
-
包导出规范:现在生成的package.json文件会包含正确的exports字段,这对于库开发者特别有价值,可以更好地控制模块的公开API。
-
构建输出优化:对于使用Rollup作为打包工具的JavaScript库,现在能确保生成符合ESM标准的输出,同时避免了不必要的嵌套路径结构,减少了潜在的路径解析问题。
-
Vitest集成改进:简化了Vitest测试框架的配置生成逻辑,只有在明确禁用插件时才会生成显式的Vitest任务配置,减少了配置文件的冗余。
构建系统核心增强
Nx的核心构建系统也获得了多项重要改进:
-
项目图错误处理:提供了更清晰的项目图错误信息,帮助开发者快速定位和解决依赖关系问题。
-
插件加载优化:避免了默认插件的重复加载,提升了构建启动速度。
-
子路径导出支持:在构建项目图时增加了对子路径导出的支持,这对于使用现代JavaScript包导出规范的项目尤为重要。
-
包脚本处理:改进了包脚本逻辑,能更好地处理CLI工具名称作为命令的情况。
测试框架改进
测试相关功能也获得了多项增强:
-
Jest插件:新增了ciGroupName选项,允许在持续集成环境中更好地组织测试任务。
-
Playwright配置:改进了对绝对路径输出的推断,使得端到端测试配置更加准确。
-
测试服务提示:端到端测试配置生成器现在会提示缺少的服务数据,减少了配置遗漏的可能性。
其他重要修复
- 修复了Angular项目中ESM2022包的处理问题
- 改进了Gradle项目中Java安装的检测
- 优化了React项目中SVGR的转换逻辑,使其兼容React 19
- 修复了Rspack中子资源完整性(Subresource Integrity)的配置问题
- 改进了Web应用的CORS头支持
开发者体验提升
Nx 20.3.2版本不仅关注功能增强,也注重提升开发者体验:
-
配置生成:多个生成器现在会自动将项目添加到工作区配置中,减少了手动配置的工作量。
-
包文件排序:生成的package.json文件现在会按照惯用顺序排列字段,提高了可读性。
-
错误处理:改进了SWC编译时的错误处理,提供了更有用的错误信息。
总结
Nx 20.3.2版本是一个以稳定性和功能完善为主的更新,特别强化了对现代JavaScript生态和模块联邦的支持。这些改进使得Nx在构建复杂前端应用和企业级项目时更加得心应手。对于现有Nx用户,建议尽快升级以获取这些改进;对于考虑采用Nx的团队,这个版本提供了更加成熟和稳定的功能集,是开始评估的良好起点。
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