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。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C090
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00