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。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00