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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00