Nx 20.5.0-beta.4 版本发布:模块联邦与构建工具链升级
Nx 是一个智能、快速且可扩展的构建系统,专为现代前端和后端项目设计。它通过提供强大的代码生成、依赖管理和构建优化功能,帮助开发团队高效管理复杂的项目结构。最新发布的 20.5.0-beta.4 版本带来了多项重要更新,特别是在模块联邦、构建工具链和发布流程方面的改进。
模块联邦支持增强
本次更新引入了 NxModuleFederationPlugin,这是一个专为 Nx 项目优化的模块联邦插件。模块联邦是 Webpack 5 引入的重要功能,允许不同构建产物之间共享代码。新插件通过自动推断配置,简化了在 Nx 项目中设置模块联邦的流程。
开发者现在可以更轻松地实现微前端架构,特别是在处理远程模块的输出路径时,新版本提供了更好的支持。这一改进使得在大型项目中管理共享代码和独立部署的模块变得更加高效。
构建工具链升级
Rspack 集成优化
Rspack 是基于 Rust 的高性能构建工具,本次更新将 ts-checker-rspack-plugin 替换了原有的 fork-ts-checker-webpack-plugin,这一变更显著提升了类型检查的性能。同时,新版本增强了对 Rspack 1.2.2 的支持,并改进了对项目锁文件的处理逻辑。
Bun 构建支持
随着 Bun 1.0 的发布,Nx 也增加了对 Bun 新文本格式锁文件的支持。现在,使用 Bun 作为包管理器的项目可以更顺畅地与 Nx 的发布流程集成。这一改进特别适合追求极致构建速度的开发者。
发布流程改进
发布管理是 Nx 的核心功能之一,20.5.0-beta.4 版本在这方面做了多项优化:
- 新增了分支检查配置选项,允许开发者更灵活地控制哪些分支需要匹配发布标签模式
- 改进了版本标签匹配逻辑,确保预发布版本与稳定版本的标签处理更加准确
- 增加了对
preid选项的支持,为自定义预发布标识符提供了更多灵活性
这些改进使得团队在管理复杂的分支策略和发布流程时拥有更大的控制权。
TypeScript 配置处理增强
新版本对 TypeScript 配置的处理进行了多项优化:
- 增加了对
extends字段的支持,使得继承的 tsconfig 配置能够被正确识别 - 改进了当
include和exclude字段缺失时的处理逻辑 - 优化了 TypeScript 依赖计算,提升了构建效率
- 增强了缓存失效机制,当扩展文件变更时能够及时更新
这些改进显著提升了大型 TypeScript 项目的构建性能和可靠性。
测试与质量保证
在测试方面,新版本为 Jest 配置导出添加了类型注解,提供了更好的类型安全。同时修复了循环依赖检测的逻辑,使得项目依赖分析更加准确。
开发者体验优化
除了核心功能的改进,20.5.0-beta.4 还包含多项开发者体验优化:
- 改进了自定义任务运行器的弃用提示信息,使迁移路径更加清晰
- 优化了插件工作线程的超时处理逻辑
- 升级了 Verdaccio 到版本 6,提供了更好的私有注册表支持
- 修复了开发环境下的追踪功能导致的错误
这些改进使得开发者在使用 Nx 时能够获得更流畅的体验。
总结
Nx 20.5.0-beta.4 版本通过增强模块联邦支持、优化构建工具链、改进发布流程和提升 TypeScript 处理能力,为开发者提供了更强大、更可靠的构建系统。这些改进特别适合大型复杂项目的管理,能够显著提升团队的开发效率和项目的可维护性。随着这些新特性的引入,Nx 继续巩固其作为现代前端生态系统重要工具的地位。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0123
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07