RSBuild v1.3.15 版本发布:插件系统增强与构建优化
RSBuild 是一个基于 Rspack 的现代化构建工具,它提供了开箱即用的前端构建能力,同时保持了高度的可配置性和扩展性。作为 Web 构建领域的新锐工具,RSBuild 在开发体验和构建性能方面都有着出色的表现。
本次发布的 v1.3.15 版本主要聚焦于插件系统的功能增强和构建过程的优化改进。下面我们来详细解析这个版本带来的重要变化。
插件系统功能增强
新增 manifest 数据访问能力
开发团队为插件系统新增了访问 manifest 数据的能力。manifest 文件通常包含了构建产物的关键信息,如入口文件、资源映射等。现在插件开发者可以在插件钩子中直接获取这些数据,为自定义构建流程提供了更多可能性。
这一改进使得插件能够基于构建产物的实际信息做出更智能的决策,例如根据入口文件信息动态调整后续处理逻辑,或者基于资源映射实现更精细的优化策略。
新增 modifyHTML 钩子
v1.3.15 引入了一个重要的新钩子 modifyHTML,专门用于处理 HTML 文件的修改。这个钩子为开发者提供了在构建过程中干预 HTML 内容的标准化方式。
与直接操作文件系统相比,使用这个钩子有几个显著优势:
- 它集成在构建流程中,保证了执行时机和顺序的正确性
- 提供了类型安全的参数和返回值
- 可以与其他插件良好协作
这个特性特别适合需要定制化 HTML 结构的场景,例如动态注入脚本、修改 meta 标签或调整资源加载策略等。
钩子类型导出优化
为了提升开发体验,新版本还对插件钩子的类型系统进行了优化。现在所有钩子函数的类型都被重新命名并显式导出,这使得插件开发时的类型提示更加清晰,减少了类型定义的工作量,也降低了出错的可能性。
构建过程优化
文件大小日志压缩
在构建输出的日志显示方面,新版本对文件大小信息进行了优化,使其显示更加紧凑。这一改进虽然看似微小,但对于大型项目来说却能显著提升日志的可读性,特别是在启用了代码分割和有多入口的情况下,开发者可以更快速地定位和分析构建产物体积信息。
性能分析结果清理
在性能分析(profiling)功能方面,开发团队移除了不必要的 logging.json 文件。这个调整使得性能分析结果更加聚焦,减少了干扰项,让开发者能够更专注于真正影响构建性能的关键因素。
文档与维护改进
除了功能性的更新外,这个版本还包含了一系列文档和维护方面的改进:
- 文档中增加了对新特性的详细说明,包括如何访问 manifest 数据和使用新的 modifyHTML 钩子
- 对现有文档的描述进行了优化,使其更加准确和易于理解
- 项目维护方面,增加了 Node.js 版本声明文件,明确了开发环境要求
- 更新了多个依赖项版本,包括 core-js、babel 和 less-loader 等
总结
RSBuild v1.3.15 版本虽然是一个小版本更新,但在插件系统方面带来了实质性的增强。新增的 manifest 数据访问能力和 modifyHTML 钩子为插件开发者提供了更强大的工具,使得定制化构建流程变得更加灵活和强大。同时,构建日志和性能分析方面的优化也进一步提升了开发体验。
这些改进体现了 RSBuild 团队对开发者体验的持续关注,也展示了项目在构建工具领域的创新方向。对于正在使用或考虑采用 RSBuild 的团队来说,这个版本值得关注和升级。
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
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