WXT v0.20.1 版本发布:提升开发体验与类型安全
2025-06-09 10:22:09作者:董宙帆
WXT 是一个现代化的浏览器扩展开发工具链,它基于 Vite 构建,为开发者提供了高效、便捷的扩展开发体验。WXT 通过简化配置、优化构建流程和提供丰富的功能,让开发者能够更专注于扩展的核心功能开发。
开发容器支持增强
在 v0.20.1 版本中,WXT 新增了对开发容器(devcontainers)的支持。开发容器是一种在容器化环境中进行开发的方式,它能够确保所有开发者使用相同的开发环境,避免"在我机器上能运行"的问题。这一改进使得开发者可以在 Docker 容器中使用 WXT 进行浏览器扩展开发,进一步提升了开发环境的可移植性和一致性。
类型安全的浏览器目标配置
新版本引入了一个重要的改进:类型安全的 import.meta.env.BROWSER 环境变量。通过新的 targetBrowsers 配置选项,开发者现在可以获得更好的类型提示和编译时检查。这意味着:
- 在代码中使用
import.meta.env.BROWSER时,TypeScript 能够准确推断出当前目标浏览器的类型 - 减少了因浏览器兼容性问题导致的运行时错误
- 提升了代码的可维护性和开发体验
代码转换优化
v0.20.1 修复了一个关于顶层解构变量定义的问题。在之前的版本中,当导入入口文件时,顶层解构变量定义可能会被错误地移除。这一修复确保了代码转换过程的准确性,避免了潜在的运行时错误。
开发工具集成改进
为了提升开发体验,新版本还改进了对 ESLint 的支持:
- 为自动导入的功能添加了 JSDoc 类型注解
- 使得 ESLint 能够更好地理解自动导入的类型信息
- 减少了因类型检查导致的误报
构建系统更新
在底层依赖方面,v0.20.1 更新了所有依赖项,包括:
- 构建工具的版本升级
- 安全补丁的应用
- 性能优化的引入
这些更新确保了 WXT 的稳定性和安全性,同时可能带来性能上的提升。
总结
WXT v0.20.1 是一个以提升开发体验和稳定性为主的版本。它通过支持开发容器环境、增强类型安全性、修复代码转换问题以及改进工具链集成,为浏览器扩展开发者提供了更加可靠和高效的开发体验。对于正在使用 WXT 的团队来说,这个版本值得升级,特别是那些在容器化环境中工作或重视类型安全的团队。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (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
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137