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。
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-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00