AnalogJS框架v1.16.1版本发布:优化构建与开发体验
项目简介
AnalogJS是一个基于Vite构建的现代Angular框架,它结合了Angular的强大功能与Vite的高效开发体验。该项目旨在为开发者提供更轻量、更快速的Angular开发方式,同时保持Angular的核心优势。
版本亮点
AnalogJS v1.16.1版本主要聚焦于构建系统的优化和开发体验的改进,特别是在大型项目中的性能表现和Windows平台支持方面做出了重要提升。
核心改进
构建系统优化
-
内存使用优化:针对大型工作区项目,v1.16.1版本显著优化了内存使用效率。通过重构内部处理逻辑,减少了不必要的内存占用,使得在包含大量模块的项目中构建速度更快,资源消耗更低。
-
类型定义文件生成:改进了库项目构建时类型定义文件(.d.ts)的输出路径处理逻辑,确保类型文件能够正确生成并放置在预期位置,这对于库开发者尤为重要。
-
Angular库构建支持:增强了构建Angular库的能力,解决了之前版本中可能遇到的构建问题,使得创建和发布Angular组件库更加顺畅。
开发体验提升
-
Vitest扩展支持:针对使用VSCode Vitest扩展的开发场景,调整了初始编译的时机,避免了可能的竞争条件,使得测试驱动的开发流程更加稳定。
-
Windows平台兼容性:特别解决了Windows环境下Storybook预设模块的加载问题,确保跨平台开发体验的一致性。
-
Nitro API路由处理:改进了API路由前缀的自定义支持,现在能够正确识别和处理自定义的API前缀设置,为后端API开发提供更多灵活性。
技术细节
Angular v19模板更新
对于使用Nx插件的项目,v1.16.1版本更新了Angular v19的模板文件,确保新创建的项目能够充分利用Angular最新版本的特性和优化。
Nx 21支持
随着Nx 21的发布,AnalogJS也及时跟进,确保与最新版本的Nx构建系统的兼容性,为使用Nx monorepo的团队提供无缝的升级体验。
总结
AnalogJS v1.16.1虽然是一个小版本更新,但在构建性能和开发体验方面做出了多项重要改进。这些优化特别有利于大型项目和企业级应用的开发,同时也照顾到了不同平台开发者的需求。对于正在使用或考虑采用AnalogJS的团队来说,这个版本值得升级以获得更稳定高效的开发体验。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00