Rsbuild 1.3.0 版本发布:构建工具的重大升级
项目简介
Rsbuild 是一个现代化的前端构建工具,基于 Rspack 构建引擎,旨在为开发者提供高效、灵活的构建体验。它集成了众多优化功能,支持多种前端框架和工具链,能够显著提升项目的构建速度和开发效率。
核心变更解析
安全策略调整
本次版本最值得关注的是对 CORS(跨域资源共享)策略的调整。默认情况下,开发服务器不再自动设置 Access-Control-Allow-Origin: * 头部。这一变更与 esbuild 和 Vite 等工具保持一致,有效防止任意网站向开发服务器发送请求,提升了开发环境的安全性。
开发者现在需要通过 server.cors 配置显式指定可信来源。这种显式配置的方式虽然增加了一些配置成本,但显著提高了开发环境的安全性,防止潜在的跨站请求伪造(CSRF)攻击。
资源导入增强
1.3.0 版本大幅增强了资源导入的能力:
-
原始导入支持:新增了对 CSS 预处理文件(raw)和行内(inline)导入的支持。开发者现在可以通过特定查询参数控制资源的导入方式:
?raw:将文件作为原始字符串导入?inline:将资源内联到打包结果中
-
类型声明完善:为各种导入方式添加了完整的 TypeScript 类型支持,包括 CSS 预处理器(raw/inline)和静态资源(raw)的导入类型。
-
动态导入完整性:为动态导入的模块添加了子资源完整性(SRI)支持,增强了安全性。
开发体验优化
-
重启机制改进:重构了文件监听和重启逻辑,解决了重启时可能出现的
MaxListenersExceeded警告问题,使开发服务器的重启更加稳定可靠。 -
错误处理增强:
- 改进了构建错误信息的展示方式
- 为
process.env定义添加了警告提示 - 优化了 transform loader 的错误处理机制
-
上下文暴露:新增了
context.action属性,使插件能够获取当前构建的上下文信息。
性能优化
-
惰性编译:集成了 Rspack 的惰性编译中间件,可以显著提升大型项目的开发启动速度。
-
缓存改进:修复了
buildCache.cacheDirectory配置不生效的问题,确保缓存机制能够正常工作。
技术细节深入
构建配置变更
对于需要调整 CORS 配置的项目,现在应该这样配置:
export default {
server: {
cors: {
origin: ['http://localhost:3000', 'https://your-domain.com'],
// 其他CORS选项...
}
}
}
资源导入新特性使用示例
使用原始导入CSS:
import cssContent from './styles.css?raw';
使用内联导入Sass:
import './styles.scss?inline';
类型系统增强
新版本完善了以下类型声明:
import.meta.env的现有属性- 各种查询参数(raw/inline)的类型支持
- 插件API中的依赖管理方法类型
升级建议
-
安全配置迁移:检查项目中是否有依赖开发服务器CORS头部的场景,及时添加
server.cors配置。 -
构建缓存:如果使用自定义缓存目录,确保
buildCache.cacheDirectory配置正确。 -
资源导入:评估是否可以利用新的raw/inline导入特性优化项目资源加载。
-
错误处理:检查构建过程中的警告信息,特别是关于
process.env的警告。
总结
Rsbuild 1.3.0 通过安全策略调整、资源导入增强和开发体验优化,为前端开发者提供了更安全、更高效的构建体验。特别是对CSS预处理和静态资源处理的增强,使得资源管理更加灵活。建议开发者及时升级以获取这些改进,并根据项目需求调整相关配置。
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