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。
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