Rsbuild v1.2.0 发布:性能优化与新特性解析
Rsbuild 是一个基于 Rspack 的现代前端构建工具,它提供了开箱即用的构建配置和优化能力,帮助开发者快速搭建高效的前端项目。近日,Rsbuild 发布了 v1.2.0 版本,带来了多项性能优化和新特性,本文将对这些改进进行详细解析。
核心特性升级
1. 深度集成 Rspack 1.2
Rsbuild v1.2.0 最重要的升级是全面支持 Rspack 1.2 版本。Rspack 作为基于 Rust 的高性能构建工具,在 1.2 版本中带来了显著的性能提升和功能增强。Rsbuild 通过深度集成,让开发者能够无缝享受到这些改进带来的构建体验提升。
2. 增强的公共资源处理
新版本改进了公共资源处理机制,新增了 publicDir.copyOnBuild 配置项,支持设置为 'auto' 模式,智能判断是否需要复制公共资源。同时,针对 Node.js 目标的项目,默认不再复制公共目录,避免了不必要的资源冗余。
3. 灵活的 Manifest 配置
开发者现在可以通过 output.manifest.generate 配置项自定义 manifest JSON 文件的内容和格式。新增的过滤功能允许精确控制哪些文件需要包含在 manifest 中,为需要精细控制资源加载的项目提供了更多灵活性。
性能优化亮点
1. 构建工具链优化
Rsbuild 团队将底层依赖从命令行工具迁移到了更轻量的 cac 库,减少了 CLI 工具的启动开销。同时,错误覆盖层模板被移到了服务端处理,降低了客户端的计算负担。
2. 资源重试机制优化
资源重试功能(assets-retry)得到了全面优化:
- 使用 SWC 替代 Babel 进行代码转换和压缩
- 服务端预处理选项,减少运行时开销
- 优化命名空间前缀,减小代码体积
- 避免使用函数剩余参数,提升兼容性
3. 模块解析改进
修正了扩展名别名的解析顺序,使其与 Node.js 保持一致。同时优化了 jsconfig.json 场景下的处理逻辑,避免了不必要的扩展名转换。
开发者体验提升
1. 类型系统增强
新版本导出了更多实用类型,包括 RsbuildDevServer 类型,帮助 TypeScript 用户获得更好的类型提示和开发体验。
2. 构建 API 扩展
api.transform 方法新增了 issuer 和 with 选项,为自定义转换逻辑提供了更多上下文信息和控制能力。
3. 清理配置增强
新增 cleanDistPath.keep 配置项,允许开发者指定需要保留的构建产物文件或目录。同时优化了正则表达式的处理效率,提升了清理操作的性能。
安全改进
出于安全考虑,新版本默认禁用了 server.cors 配置。开发者如需跨域支持,需要显式开启此选项,这有助于减少默认配置下的安全风险。
周边生态适配
1. Sass 插件增强
@rsbuild/plugin-sass 新增了 useOriginalUrlResolver 选项,允许开发者禁用默认的 resolve-url-loader,为特定场景下的 URL 解析提供了更多选择。
2. 框架支持改进
文档中新增了对 Svelte v5 的热更新支持说明,以及 Angular 项目专用插件 @ng-rsbuild/plugin-angular 的介绍,帮助这些框架的用户更好地使用 Rsbuild。
总结
Rsbuild v1.2.0 通过深度集成 Rspack 1.2 和多项自主优化,在构建性能、开发者体验和安全性方面都取得了显著进步。新版本既保留了简单易用的特点,又为高级用户提供了更多定制选项,是前端工程化工具链中的重要更新。对于正在使用或考虑使用 Rsbuild 的团队,升级到 1.2.0 版本将能够获得更高效的构建体验和更灵活的配置能力。
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