Rspress v2.0.0-beta.8 发布:动态代码高亮组件与Shiki增强
Rspress 是一个现代化的静态站点生成器,专注于为技术文档提供优秀的开发体验。它基于React和Rspack构建,具有出色的构建性能和灵活的扩展能力。
动态代码高亮组件 CodeBlockRuntime
本次发布的 v2.0.0-beta.8 版本引入了一个重要的新特性——CodeBlockRuntime组件。这个组件解决了传统静态代码高亮在编译时处理的局限性,为开发者提供了运行时动态高亮代码的能力。
核心特性
-
运行时高亮:不同于传统的编译时高亮,
CodeBlockRuntime在浏览器运行时处理代码高亮,特别适合需要动态展示代码的场景。 -
Shiki集成:内置支持Shiki高亮引擎,可以通过
shikiOptions属性进行深度定制。 -
注解支持:兼容Shiki的代码注释标记语法,如
[!code highlight]等。 -
渲染回调:提供
onRendered回调函数,可以在代码高亮完成后执行自定义逻辑。
使用示例
import { CodeBlockRuntime } from '@theme';
import { transformerNotationHighlight } from '@shikijs/transformers';
<CodeBlockRuntime
lang="ts"
title="highlight.ts"
code={`console.log('Highlighted'); // [!code highlight]
// [!code highlight:1]
console.log('Highlighted');
console.log('Not highlighted');`}
shikiOptions={{
transformers: [transformerNotationHighlight()],
}}
/>
Shiki转换器增强
为了配合CodeBlockRuntime组件的使用,本次更新还增强了Shiki转换器的支持:
-
新增导出:
@rspress/plugin-shiki/transformers现在可以直接导出常用的Shiki转换器。 -
兼容性转换器:新增
transformerCompatibleMetaHighlight转换器,确保代码注释标记在不同环境下的一致性。
技术实现细节
CodeBlockRuntime组件的实现考虑了以下关键点:
-
DOM结构一致性:确保运行时生成的DOM结构与编译时生成的代码块结构完全一致,避免样式和交互上的差异。
-
性能优化:采用懒加载策略,只有在组件进入视口时才执行高亮处理,减少不必要的性能开销。
-
错误处理:内置完善的错误处理机制,当高亮过程出现问题时能够优雅降级。
适用场景
这个新特性特别适合以下场景:
-
动态代码展示:当需要根据用户交互动态展示不同代码片段时。
-
代码编辑器集成:在文档中嵌入可交互的代码编辑器组件。
-
高级代码标注:需要复杂代码高亮和注释的场景。
-
主题切换:在运行时动态切换代码高亮主题。
总结
Rspress v2.0.0-beta.8通过引入CodeBlockRuntime组件,为技术文档的代码展示提供了更大的灵活性。这一改进不仅保留了静态生成的高性能优势,还增加了运行时动态处理的能力,使得Rspress在代码展示方面达到了新的高度。对于需要丰富代码展示功能的文档项目来说,这无疑是一个值得关注的重要更新。
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