Vanilla Extract Vite 插件 v5.0.0 重大更新解析
Vanilla Extract 是一个流行的 CSS-in-JS 解决方案,它允许开发者使用 TypeScript 编写样式,并通过编译生成静态 CSS 文件。其 Vite 插件 @vanilla-extract/vite-plugin 近日发布了 5.0.0 版本,带来了一些重要的变更和改进。
主要变更内容
插件命名规范化
新版本将插件名称从 "vanilla-extract" 变更为更符合 Vite 插件命名惯例的 "vite-plugin-vanilla-extract"。这一变更使得插件更容易被识别为 Vite 生态的一部分,同时也遵循了 Vite 官方的插件命名规范。
Vite 版本支持调整
5.0.0 版本更新了 Vite 的 peer 依赖范围,现在要求至少使用 Vite 5.0.0 或 6.0.0 版本。这意味着 Vite 4 及以下版本将不再受支持。这一变更是为了确保插件能够充分利用 Vite 最新版本的特性和性能优化。
插件转发机制重构
这是一个重要的架构变更。在之前的版本中,除了少数已知不兼容的插件外,所有用户配置的 Vite 插件都会被自动转发到 Vanilla Extract 编译器。这种做法在实践中带来了不少问题,因为许多框架特定的插件或处理构建输出的插件实际上并不适用于 Vanilla Extract 的编译过程,有时甚至会导致问题。
新版本默认只转发 vite-tsconfig-paths 插件,这是一个已知兼容且常用的插件。对于需要转发其他插件的特殊情况,开发者现在可以通过 unstable_pluginFilter 选项进行自定义配置:
vanillaExtractPlugin({
unstable_pluginFilter: ({ name, mode }) =>
plugin.name === 'vite-plugin-foo'
})
需要注意的是,当使用自定义插件过滤器时,vite-tsconfig-paths 插件也不再默认转发,需要显式包含在过滤条件中。这个 API 目前标记为不稳定,意味着在未来版本中可能会有调整。
升级建议
对于现有项目,升级到 5.0.0 版本需要注意以下几点:
- 确保项目使用的 Vite 版本至少为 5.0.0
- 检查是否有依赖特定插件转发的场景,必要时配置 unstable_pluginFilter
- 更新构建配置中引用插件的方式,使用新的命名规范
这些变更总体上提高了插件的稳定性和可预测性,减少了因插件转发导致的各种边缘情况问题。对于大多数项目来说,升级应该是相对平滑的,特别是那些没有使用复杂插件配置的项目。
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