Rspress v2.0.0-alpha.2 发布:Shiki V3升级与Algolia搜索支持
Rspress 是一个现代化的静态站点生成器,专为技术文档场景优化设计。它基于React和MDX构建,提供了开箱即用的文档编写体验,同时支持高度自定义的扩展能力。在最新发布的v2.0.0-alpha.2版本中,Rspress带来了多项重要更新和改进。
Shiki V3升级与Transformer重构
本次版本最显著的变化之一是对代码高亮库Shiki的升级。从V2迁移到V3版本,不仅带来了性能提升,还引入了全新的Transformer机制。
Shiki V3采用了更现代化的架构设计,其Transformer系统允许开发者通过插件化的方式扩展代码高亮功能。Rspress团队重构了原有的Transformer实现,现在开发者可以直接使用官方的@shikijs/transformers包中的各种Transformer。
迁移到新版本需要注意API的变化。原有的createTransformerDiff()等函数已被移除,取而代之的是transformerNotationDiff()等官方Transformer。这种变化虽然带来了迁移成本,但长远来看更符合社区标准,也更容易维护。
新增Algolia搜索插件
文档站点的搜索功能对用户体验至关重要。v2.0.0-alpha.2版本新增了@rspress/plugin-algolia插件,为开发者提供了集成Algolia搜索服务的官方解决方案。
该插件的设计考虑了灵活性和易用性。开发者只需在配置中启用插件,并在主题组件中提供必要的Algolia凭证即可。插件会自动处理搜索索引的构建和更新,开发者可以专注于文档内容的编写。
值得一提的是,这个实现还优化了搜索体验的细节,比如多语言切换时的索引更新,确保用户在不同语言间切换时搜索功能依然可靠。
Sass和Less支持调整
在架构优化方面,v2.0.0-alpha.2版本移除了内置的Sass和Less支持。这一变化是为了保持核心的轻量化和灵活性,将样式预处理器的选择权完全交给开发者。
现在,如果需要使用Sass或Less,开发者需要显式安装对应的Rsbuild插件。这种设计虽然增加了一些配置步骤,但带来了更好的灵活性和更清晰的依赖关系。开发者可以根据项目实际需求选择是否引入这些预处理器的支持。
其他改进与修复
除了上述主要变化外,这个版本还包含多项质量改进:
- 修复了全局样式可能为空的问题,提升了构建稳定性
- 改进了侧边栏菜单的响应式设计,优化了移动端体验
- 修复了构建错误处理机制,确保错误能够被正确捕获和报告
- 优化了MDX链接处理逻辑,避免不必要的base路径添加
- 解决了搜索索引在多语言切换场景下的更新问题
这些改进虽然看似细微,但对提升开发体验和最终用户的使用感受都有显著帮助。
总结
Rspress v2.0.0-alpha.2版本在保持核心功能稳定的同时,通过Shiki V3升级、Algolia搜索支持等新特性进一步提升了文档站点的表现力和功能性。架构上的调整虽然带来了一些迁移成本,但为未来的扩展和维护奠定了更好的基础。
对于正在使用Rspress的开发者来说,这个版本值得关注,特别是计划使用高级代码高亮功能或需要集成专业搜索服务的项目。随着alpha版本的持续迭代,Rspress正在向更成熟、更强大的方向稳步前进。
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