AnalogJS 1.13.0版本发布:全面支持Vite 6与Vitest 3
2025-06-17 14:18:40作者:宣海椒Queenly
AnalogJS是一个基于Angular的现代Web框架,它结合了Angular的强大功能与Vite构建工具的高效性能。该项目旨在为开发者提供更快速、更灵活的Angular开发体验。最新发布的1.13.0版本带来了对Vite 6和Vitest 3的全面支持,这是本次更新的核心亮点。
Vite 6与Vitest 3支持
1.13.0版本最重要的改进是增加了对Vite 6和Vitest 3的完整支持。这意味着开发者现在可以在AnalogJS项目中使用这些工具的最新特性:
- 构建性能提升:Vite 6带来了更快的构建速度和更高效的开发服务器
- 测试体验优化:Vitest 3提供了更完善的测试功能和更好的性能
- 现代化工具链:保持与前端生态系统最新工具的兼容性
项目模板改进
为了确保新创建的AnalogJS项目能够无缝使用这些新版本工具,项目团队对模板进行了多项优化:
- 配置覆盖:在项目模板中增加了针对Vite 6和Vitest 3的特定配置覆盖,确保这些工具能够正确工作
- 根路径设置:修正了angular.json中的根路径设置,解决了可能存在的构建路径问题
错误诊断改进
在开发体验方面,1.13.0版本还改进了类型检查错误信息的展示:
- 错误信息解包:现在能够更清晰地显示Angular类型检查的诊断消息
- 更友好的错误提示:开发者可以更容易地理解和解决类型相关问题
升级建议
对于现有项目,建议开发者:
- 检查项目依赖,确保与Vite 6和Vitest 3兼容
- 更新相关配置,特别是构建和测试相关的部分
- 注意angular.json中的路径设置,确保与新版本工具配合良好
总结
AnalogJS 1.13.0版本的发布标志着该项目与前端工具链最新进展的同步。通过支持Vite 6和Vitest 3,开发者可以获得更快的构建速度和更完善的测试体验。同时,项目模板和错误处理的改进也进一步提升了开发效率。对于追求现代化Angular开发体验的团队来说,这次升级值得关注。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
656
4.26 K
deepin linux kernel
C
27
14
Ascend Extension for PyTorch
Python
500
606
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
390
284
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.54 K
891
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
939
861
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
557
暂无简介
Dart
902
218
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
132
207
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
123
195