Rsbuild v1.3.6 版本发布:增强错误日志与构建体验优化
项目简介
Rsbuild 是一个基于 Rspack 的现代化前端构建工具,它提供了开箱即用的构建配置和优化能力,帮助开发者快速搭建高效的前端项目。Rsbuild 继承了 Webpack 生态的优势,同时结合了 Rspack 的高性能特性,为开发者提供了更快的构建速度和更好的开发体验。
核心特性更新
错误日志链接点击支持
在 v1.3.6 版本中,Rsbuild 增强了错误日志的交互性。现在开发者可以直接点击错误日志中的链接,快速定位到问题代码所在位置。这一改进显著提升了开发调试效率,特别是在处理复杂项目时,能够帮助开发者更快地找到并修复问题。
Rspack 版本升级至 v1.3.4
本次更新将内置的 Rspack 版本升级到了 v1.3.4。Rspack 作为 Rsbuild 的核心构建引擎,其性能优化和功能增强将直接提升 Rsbuild 的整体表现。新版本的 Rspack 带来了更好的构建性能和更稳定的运行表现。
构建性能分析工具优化
Rsbuild 对内置的性能分析工具进行了多项改进:
- 增强了 Rspack 性能分析插件的功能,提供更详细的构建过程数据
- 改进了 Windows 系统下的性能分析支持
- 明确了性能分析文件的生成位置,方便开发者查找和使用分析结果
这些改进使得开发者能够更准确地识别构建过程中的性能瓶颈,从而进行有针对性的优化。
重要功能增强
构建链配置支持 Rspack 原生 API
在 tools.bundlerChain 配置中,现在可以直接使用 Rspack 的原生 API 进行深度定制。这一变化为高级用户提供了更大的灵活性,使他们能够充分利用 Rspack 的强大功能进行项目优化。
生命周期钩子增强
v1.3.6 版本对构建生命周期钩子进行了重要改进:
- onExit 钩子现在可以访问构建过程的退出码,便于开发者根据不同的退出状态执行相应的清理或通知操作
- 修复了 CTRL+C 中断时 onExit 钩子未被调用的问题
- 改进了优雅退出的退出码处理逻辑,确保构建工具在各种退出场景下都能返回正确的状态码
问题修复与稳定性提升
本次版本还包含多项问题修复,包括:
- 修复了文件大小统计信息在环境名称较长时对齐不正确的问题
- 修正了 output.filename 配置合并逻辑
- 改进了构建过程中的错误处理机制
开发者体验优化
Rsbuild 团队在文档方面也做了大量工作,新增了以下内容:
- Babel 插件执行顺序说明,帮助开发者理解插件的工作机制
- 禁用 NODE_ENV 注入的配置示例,满足特殊场景需求
- 性能分析工具的使用指南,包括 Windows 平台的特殊说明
总结
Rsbuild v1.3.6 版本通过增强错误日志交互性、优化性能分析工具、改进生命周期钩子等一系列更新,进一步提升了开发者的使用体验。特别是对构建过程的可观测性和可控性的增强,使得开发者能够更高效地诊断和解决构建问题。对于正在使用或考虑使用 Rsbuild 的团队来说,这一版本值得升级。
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