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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00