Rspack v1.3.8 版本发布:SWC API 集成与多项优化
Rspack 是一个基于 Rust 的高性能构建工具,它结合了 Webpack 的生态系统和 Rust 的高效性能。作为现代前端构建工具链中的重要一环,Rspack 致力于提供更快的构建速度和更好的开发者体验。
核心亮点:SWC JavaScript API 集成
本次 v1.3.8 版本最引人注目的特性是实验性地暴露了 SWC 的 JavaScript API。开发者现在可以通过 rspack.experiments.swc 直接调用 SWC 的转换和压缩功能,而无需额外安装 @swc/core 包。
这一集成意味着开发者可以在 Rspack 构建流程中直接利用 SWC 的强大能力,包括:
- 代码转换(transform)
- 代码压缩(minify)
- 其他 SWC 提供的编译功能
这种深度集成为开发者提供了更统一的工具链体验,减少了项目依赖的复杂性,同时也保持了构建流程的高性能特性。
构建优化与功能增强
增量构建改进
-
静默警告与预设添加:增量构建过程中现在会静默某些警告信息,并添加了新的预设配置,使开发者能够更专注于关键问题。
-
调试追踪增强:新增了更多追踪点,帮助开发者更有效地调试增量构建过程中的问题,特别是在复杂项目中定位性能瓶颈。
输出清理功能增强
output.clean 配置现在支持正则表达式和函数形式,为开发者提供了更灵活的清理策略。这意味着可以:
- 使用正则表达式匹配特定文件模式进行清理
- 通过函数逻辑动态决定是否清理特定文件
- 实现更精细化的构建产物管理
模块系统改进
-
chunkgroup 的 origin.loc 支持:增强了 chunkgroup 的元信息,提供了更详细的来源定位信息,有助于开发者理解模块分割的决策过程。
-
魔法注释中的斜杠匹配修复:修正了 magic comments 中斜杠字符的匹配模式问题,提高了模块加载注释的可靠性。
问题修复与稳定性提升
-
版本信息修正:修复了版本输出中错误显示 webpack 版本而非 rspack 版本的问题,确保了工具信息的准确性。
-
循环依赖处理:解决了 circular dependency plugin 中可能出现的死循环问题,提高了构建过程的稳定性。
-
内存管理优化:修复了编译器 JavaScript 对象无法被垃圾回收的问题,降低了长时间运行时的内存占用。
-
上下文依赖处理:修正了某些情况下上下文依赖缺失的问题,确保了模块解析的正确性。
开发者体验改进
-
文档增强:
- 新增了
require.resolveWeak模块方法的文档说明 - 改进了 CSS Modules 相关的文档内容
- 添加了关于 lightningcss 的注意事项说明
- 新增了
-
测试覆盖增强:
- 新增了错误情况下的测试用例
- 清理了完整的快照统计 API 测试用例
- 添加了特定问题的测试用例
内部架构优化
-
SWC API 集成重构:将 SWC API 更深度地集成到 rspack_javascript_compiler 中,为未来的功能扩展奠定了基础。
-
CI/CD 流程改进:
- 优化了 Rust 缓存处理
- 合并了 Rust 检查和测试任务
- 尝试了自托管测试环境
-
依赖管理:
- 移除了未使用的 webpack-cli 依赖
- 更新了多个关键依赖版本
- 改进了 Zod 类型的处理方式
总结
Rspack v1.3.8 版本通过集成 SWC API 进一步巩固了其作为现代化构建工具的地位,同时通过多项优化提升了构建性能和开发者体验。这些改进使得 Rspack 在保持高性能的同时,提供了更丰富的功能和更稳定的构建环境,为大型前端项目的构建流程提供了可靠的支持。
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