BlockNote代码块功能优化:如何减少语言支持带来的包体积膨胀
在富文本编辑器BlockNote中,代码块功能是其核心特色之一。该功能基于Shiki语法高亮库实现,支持多种编程语言的语法高亮显示。然而,随着支持语言的增加,这可能会带来显著的包体积膨胀问题,影响应用的加载性能。
问题背景
BlockNote默认会包含大量编程语言的语法高亮支持,这些语言文件会被打包到最终的生产构建中。虽然这些资源是按需加载的,但它们仍然会增加部署包的整体大小。对于需要优化部署体积或对资源使用有严格限制的应用来说,这是一个需要解决的问题。
解决方案
目前有两种主要方法可以优化这一问题:
1. 使用构建工具配置排除特定语言
对于使用Rollup或Webpack等模块打包工具的项目,可以通过配置external选项来排除不需要的语言文件。例如,在Vite配置中可以这样设置:
export default defineConfig({
build: {
rollupOptions: {
external: (source) => {
// 排除JavaScript语言支持
if(source.includes("shiki/dist/langs/javascript")) {
return true;
}
return false;
}
}
}
})
这种方法需要开发者明确知道要排除哪些语言文件,并且需要配合BlockNote的代码块配置一起使用。
2. 自定义代码块支持的语言列表
BlockNote提供了customizeCodeBlockAPI,允许开发者精确控制支持哪些编程语言。配置示例如下:
const schema = BlockNoteSchema.create({
blockSpecs: {
...defaultBlockSpecs,
codeBlock: customizeCodeBlock({
defaultLanguage: "javascript",
supportedLanguages: [
{
id: "javascript",
match: ["javascript", "js"],
name: "JavaScript",
},
{
id: "typescript",
match: ["typescript", "ts"],
name: "TypeScript",
}
],
}),
},
});
这种方式不仅减少了不必要的语言支持,还能自定义语言的显示名称和匹配别名。
深入优化建议
-
主题优化:除了语言文件外,Shiki的主题文件也会增加包体积。可以考虑排除未使用的主题文件。
-
默认语言集合:BlockNote可以考虑提供一个默认语言集合的导出,方便开发者基于默认集合进行过滤,而不是从头开始配置。
-
类型增强:当前API支持
SupportedLanguageConfig类型,未来可以考虑同时支持简单的字符串ID形式,降低使用门槛。
实施注意事项
-
确保使用的BlockNote版本包含相关优化(如#1219合并后的版本)。
-
排除语言文件后,需要通过
customizeCodeBlock明确配置支持的语言列表,否则可能导致功能异常。 -
对于团队项目,建议将代码块配置集中管理,避免散落在多处。
通过以上优化措施,开发者可以在保留BlockNote强大代码块功能的同时,有效控制最终打包体积,实现性能与功能的平衡。
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-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
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