Rsbuild v1.2.0-beta.1 版本发布:构建工具链的持续优化
Rsbuild 是一个现代化的前端构建工具链,它基于 Rspack 构建引擎,提供了开箱即用的构建配置和优化的构建流程。Rsbuild 旨在为开发者提供简单高效的构建体验,同时保持高度的可扩展性。
本次发布的 v1.2.0-beta.1 版本带来了一些实用的新特性、问题修复和文档改进,进一步提升了开发体验和构建效率。让我们一起来看看这个版本的主要变化。
核心特性增强
新增 transform API 选项
Rsbuild 在 api.transform 方法中新增了 issuer 和 with 选项,这为开发者提供了更精细的代码转换控制能力。issuer 选项允许开发者指定触发转换的模块路径,而 with 选项则可以用来传递额外的上下文信息给转换函数。这个改进使得代码转换逻辑可以更加智能和上下文感知。
导出开发服务器类型
现在 Rsbuild 显式导出了 RsbuildDevServer 类型,这为 TypeScript 开发者提供了更好的类型支持。开发者现在可以更方便地扩展或自定义开发服务器功能,同时获得完善的类型提示和检查。
构建目录清理控制
新增的 cleanDistPath.keep 配置项解决了开发者在清理构建目录时的痛点问题。通过这个配置,开发者可以指定在清理构建目录时需要保留的文件或目录,避免了每次构建时误删重要文件的问题。这在需要保留某些构建产物(如上传到 CDN 的哈希文件)的场景下特别有用。
问题修复与优化
Node.js 22 兼容性修复
针对 Node.js 22 中代理相关 API 的变更,Rsbuild 进行了相应的适配,消除了使用代理功能时的废弃警告。这确保了 Rsbuild 在新版本 Node.js 环境下的稳定运行。
构建性能优化
在底层实现上,Rsbuild 优化了相似 loader 配置的合并逻辑,减少了冗余配置,这有助于提升构建速度和减少内存占用。虽然这个优化对开发者透明,但它确实带来了更好的构建体验。
文档改进
本次版本对文档进行了大量改进和补充,包括:
- 明确了 Tailwind CSS 构建性能优化的最佳实践
- 详细说明了 Babel 迁移指南,帮助开发者平滑过渡
- 澄清了
include和exclude配置项的使用场景 - 完善了 PostCSS 配置指南
- 添加了异步入口配置的示例
- 解释了
swcReactOptions.refresh选项的具体作用 - 详细说明了
cleanDistPath配置的各个选项
这些文档改进使得 Rsbuild 的各项功能更加透明和易于理解,降低了新用户的学习曲线。
开发者体验提升
除了功能上的改进,这个版本还包含了一系列提升开发者体验的优化:
- 项目内部现在使用 pnpm 的 patch 功能替代自定义脚本,简化了依赖管理
- 升级到 pnpm v10,享受更快的安装速度和更好的依赖解析
- 更新了多个核心依赖版本,包括 svelte、core-js、postcss 等
- 引入了文档标题大小写的自动化检查,保持文档风格一致
总结
Rsbuild v1.2.0-beta.1 版本虽然没有引入重大功能变更,但在细节上的持续打磨使得这个构建工具链更加完善和易用。新增的配置选项提供了更灵活的构建控制,文档的完善降低了使用门槛,而各种优化则提升了整体的开发体验。
对于正在使用 Rsbuild 的开发者,建议关注本次版本中的文档改进,特别是关于构建性能优化和配置项说明的部分,这些内容可以帮助你更好地利用 Rsbuild 的能力。同时,新加入的 cleanDistPath.keep 配置也是一个值得尝试的实用功能。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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-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
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