RSBuild v1.3.0-beta.2 发布:CSS 内联导入与样式预处理增强
RSBuild 是一个现代化的前端构建工具,专注于提供高效的构建体验和优秀的开发体验。作为 Rspack 生态的重要组成部分,RSBuild 通过简化配置和提供开箱即用的功能,帮助开发者快速搭建和优化前端项目。
核心特性更新
CSS 内联导入支持
本次版本新增了对 CSS 内联导入的支持,这是一个重要的功能增强。开发者现在可以通过特殊的查询参数直接将 CSS 内容内联到 JavaScript 模块中,而不需要生成额外的 CSS 文件。这种方式特别适合小型样式片段或需要动态加载的样式。
内联导入的使用方式简单直观,只需在导入路径后添加 ?inline 查询参数即可。这一特性为开发者提供了更灵活的样式管理方式,可以根据实际需求选择将样式作为独立文件还是直接内联到 JS 中。
样式预处理器的内联查询支持
除了基础的 CSS 内联导入外,RSBuild 还对主流 CSS 预处理器进行了增强:
- Sass/SCSS 支持:通过
plugin-sass插件,现在可以在 Sass 文件中使用内联查询 - Less 支持:
plugin-less插件同样获得了内联查询能力 - Stylus 支持:
plugin-stylus插件不仅支持内联查询,还新增了includeCSS选项类型和完善的 JSDoc 文档
这些改进使得开发者在使用预处理器时也能享受到内联样式带来的便利,同时保持了类型安全和良好的开发体验。
构建优化与修复
CSS 压缩控制
新版本修复了一个关于 CSS 压缩的重要问题:当 CSS 被内联时,现在可以正确地禁用压缩功能。这一改进确保了开发者在需要精确控制输出内容时(如某些特殊场景下的内联样式),能够获得预期的结果。
类型系统完善
针对 Stylus 插件的 define 选项,本次更新修正了其类型定义,提供了更准确的类型提示。同时为 includeCSS 选项添加了完整的类型定义和 JSDoc 文档,提升了开发时的代码提示体验。
开发者体验提升
- 文档完善:更新了相关文档,明确说明了在使用
pluginSvgr时需要同时使用pluginReact的注意事项,并新增了关于 CSS 内联查询参数的详细说明 - 错误修复:修正了英文文档中的拼写错误,提高了文档质量
- 日志优化:改进了 Webpack 模式下警告级别日志的输出条件,使构建输出更加清晰
技术实现优化
在内部实现上,RSBuild 团队进行了多项优化:
- 使用
rspack-chain方法替代了原有的merge操作,提高了配置处理的效率和可维护性 - 对 E2E 测试进行了结构调整,将 CSS 相关测试用例拆分到独立文件夹,提升了测试的组织性
- 更新了多个依赖项,包括将 Rspack 升级到 v1.3.0-beta.1 版本,确保与最新生态保持同步
总结
RSBuild v1.3.0-beta.2 版本通过引入 CSS 内联导入和对预处理器的增强,为开发者提供了更灵活的样式处理方案。同时,类型系统的完善和构建优化的改进,进一步提升了开发体验和构建效率。这些改进使得 RSBuild 在现代前端工具链中的地位更加稳固,为开发者构建高性能应用提供了有力支持。
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