tsdown v0.12.0 发布:自动生成 exports 与 CLI 优化
tsdown 是一个专注于 TypeScript 项目构建的工具,它能够高效地将 TypeScript 代码编译为多种模块格式。在最新发布的 v0.12.0 版本中,tsdown 带来了两项重要改进:自动生成 exports 的功能和命令行接口的优化。
自动生成 exports 功能
新版本最显著的改进是新增了自动生成 exports 的功能。在 Node.js 生态中,package.json 中的 exports 字段对于现代模块解析至关重要。它允许开发者精确控制包的公共 API,并支持条件导出等功能。
在之前的版本中,开发者需要手动维护 exports 字段,这不仅容易出错,而且在项目结构发生变化时需要频繁更新。v0.12.0 版本通过自动分析项目结构,能够智能地生成合理的 exports 配置,大大简化了包发布流程。
这个功能特别适合以下场景:
- 多入口点的包
- 支持多种模块格式(ESM、CJS)的包
- 包含类型定义文件的包
命令行接口优化
v0.12.0 对 CLI 进行了两项重要调整:
-
参数重命名:将工作区过滤参数从
-f改为-F,同时将-f重新用于指定输出格式。这一变化使得参数命名更加符合常规 CLI 工具的使用习惯,-f通常用于表示格式(format),而大写的-F更适合作为过滤器(filter)的简写。 -
性能优化:新版本不再对 CJS 类型定义文件(.d.ts)进行压缩。这一改变基于实际使用场景的考量,因为类型定义文件主要用于开发时类型检查,压缩带来的体积减小对运行时性能几乎没有影响,反而会增加构建时间。取消这一步骤可以显著提升构建速度,特别是对于大型项目。
技术实现细节
自动生成 exports 功能的实现原理是分析项目的输出结构,包括:
- 主入口点
- 子模块入口
- 类型定义文件位置
- 不同模块格式的输出
然后根据这些信息生成符合 Node.js 规范的 exports 字段,确保模块能够被正确解析。
对于 CLI 参数的调整,虽然看似简单,但实际上需要考虑到向后兼容性和用户习惯。开发团队通过语义化版本控制(将此次变更放在主版本更新中)来明确表示这些不兼容的变化。
升级建议
对于现有项目,升级到 v0.12.0 时需要注意:
- 检查所有使用
-f作为过滤参数的脚本,需要将其改为-F - 如果项目依赖自动生成的
exports,建议先检查生成结果是否符合预期 - 对于大型项目,可以预期构建速度会有一定提升
这个版本的改进体现了 tsdown 团队对开发者体验的持续关注,通过自动化繁琐配置和优化构建流程,让开发者能够更专注于代码本身而非构建细节。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00