RSBuild v1.2.10 版本发布:Rspack 升级与缓存优化
RSBuild 是一个基于 Rspack 的现代化构建工具,旨在为前端开发者提供高效、灵活的构建体验。它集成了众多优化策略和最佳实践,帮助开发者快速构建高性能的 Web 应用。本次发布的 v1.2.10 版本主要带来了 Rspack 的版本升级和缓存机制的优化。
Rspack 升级至 v1.2.5
本次更新将 Rspack 依赖版本升级到了 v1.2.5。Rspack 是一个基于 Rust 的高性能构建工具,与 Webpack 兼容但具有更快的构建速度。这次升级意味着 RSBuild 用户将自动获得 Rspack 最新版本带来的性能改进和 bug 修复。
对于开发者来说,这种依赖的定期升级非常重要,因为它不仅能够带来性能提升,还能确保项目使用最新的安全补丁和功能优化。RSBuild 团队持续关注上游依赖的更新,并及时集成到主版本中,这种维护方式体现了项目对稳定性和性能的重视。
环境文件加入构建依赖
一个值得注意的改进是将环境文件(如 .env 文件)添加到了构建依赖中。这意味着当这些环境文件发生变化时,构建系统会自动触发重新构建。这个改进解决了开发过程中常见的一个痛点:修改环境变量后需要手动重启开发服务器才能生效。
在实际开发中,环境变量经常用于配置不同环境下的应用行为。以前,开发者修改 .env 文件后,往往需要手动重启开发服务器才能使更改生效。现在,RSBuild 会自动监测这些文件的变化并触发必要的重建,大大提升了开发体验和工作效率。
服务器模式下的选项回退修复
本次版本还修复了一个关于服务器模式下选项回退的问题。在某些情况下,选项回退机制可能会在不应该生效的场景下被触发。通过这个修复,现在选项回退将严格限制在 RSBuild 服务器模式下工作,确保了构建配置在不同环境下行为的一致性。
这个修复对于使用复杂构建配置的项目尤为重要,它消除了潜在的不一致行为,使得开发和生产环境的构建结果更加可靠。
文档改进
除了代码层面的改进,本次发布还包含了文档的优化。特别是对 JavaScript API 文档中 stats 使用示例的改进,使得开发者能够更清晰地理解如何使用这个功能。良好的文档是开源项目成功的关键因素之一,RSBuild 团队持续投入精力完善文档,这有助于降低新用户的上手难度。
测试优化
在测试方面,团队优化了多个 RSBuild 开发服务器同时运行的测试用例,确保在复杂场景下构建工具仍能稳定工作。此外,还对 TailwindCSS 的测试配置进行了优化,这表明项目对流行 CSS 框架的支持也在持续改进。
总结
RSBuild v1.2.10 虽然是一个小版本更新,但它包含了多项有价值的改进。从核心依赖的升级到开发体验的优化,再到文档的完善,这些变化都体现了项目团队对产品质量和开发者体验的关注。对于现有用户来说,升级到这个版本将获得更稳定的构建体验和更好的开发效率。对于考虑采用 RSBuild 的新用户,这个版本进一步增强了项目的吸引力,展示了其作为现代化构建工具的成熟度。
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