Modern.js v2.65.4 版本发布:运行时配置优化与构建体验升级
Modern.js 是一个现代化的前端开发框架,它集成了最新的前端技术栈和开发理念,旨在为开发者提供高效、灵活的开发体验。该框架支持多种应用场景,包括 Web 应用、微前端、SSR 等,并提供了丰富的插件系统和工具链支持。
本次发布的 v2.65.4 版本主要围绕运行时配置和构建体验进行了多项优化,这些改进将进一步提升开发者的使用体验和项目的可维护性。
运行时插件配置钩子重命名
本次更新中,框架对运行时插件的配置钩子进行了重命名优化。原先的 modifyRuntimeConfig 钩子被更名为更简洁直观的 config。这一变更不仅减少了开发者的输入负担,更重要的是使 API 命名更加符合开发者直觉和行业惯例。
对于插件开发者来说,这一变更意味着需要将原有的 modifyRuntimeConfig 方法更新为 config。虽然这是一个破坏性变更,但由于其语义更加清晰,长期来看将提高代码的可读性和维护性。
React 版本检测机制改进
在模块解析方面,新版本改进了 React 版本的检测机制。现在框架会使用 require.resolve 方法来准确检测项目中使用的 React 版本,特别是解决了在 pnpm workspace 中使用 pnpm catalog 时的版本检测问题。
这一改进对于使用 pnpm 作为包管理器的项目尤为重要。在 monorepo 项目中,不同子项目可能依赖不同版本的 React,新的检测机制能够更准确地识别当前项目实际使用的 React 版本,避免因版本检测错误导致的兼容性问题。
静态资源中间件优化
在服务端处理方面,框架对静态资源中间件进行了重要优化。现在静态中间件将始终使用系统的文件系统(fs)来处理静态资源,而不是依赖于其他可能的文件系统实现。
这一变更确保了静态资源处理的稳定性和一致性,特别是在一些特殊环境下(如某些云服务或容器环境),使用系统原生 fs 能够避免潜在的文件访问问题,提高应用的可靠性。
构建模式支持 watch
在构建工具方面,新版本为 modern build 命令增加了 watch 模式支持。这一功能允许开发者在开发过程中实时监控文件变化并自动重新构建,大大提升了开发效率。
watch 模式的引入意味着开发者不再需要手动执行构建命令来查看代码变更的效果,框架会自动检测文件变化并触发增量构建。这一特性特别适合大型项目的开发,可以显著减少开发者的等待时间。
路径转义问题修复
本次发布还修复了一个关于路径转义的问题。在之前的版本中,当使用 transformLodash 功能时,Windows 系统下的路径会被错误地转义。新版本修正了这一行为,确保路径处理在不同操作系统下的一致性。
这一修复对于使用 Windows 开发的团队尤为重要,它消除了因路径处理差异导致的潜在构建问题,使开发体验更加平滑。
总结
Modern.js v2.65.4 版本虽然是一个小版本更新,但包含了多项对开发者体验有实质性提升的改进。从运行时配置的优化到构建工具的增强,再到特定环境下的问题修复,这些变更都体现了框架对开发者体验的持续关注。
对于现有项目,建议开发者根据变更内容评估升级的必要性。特别是插件开发者需要注意运行时配置钩子的重命名变更,及时更新插件代码以保持兼容性。对于使用 pnpm workspace 或 Windows 开发环境的团队,本次更新将解决一些长期存在的痛点问题,值得优先考虑升级。
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