Rspack v1.2.0-beta.0 版本发布:构建工具的新特性与优化
2025-06-04 20:21:07作者:庞眉杨Will
Rspack 是一个基于 Rust 的高性能 JavaScript 构建工具,它结合了 Webpack 的生态优势和 Rust 语言的性能特点。作为一款新兴的构建工具,Rspack 致力于提供更快的构建速度和更好的开发体验。最新发布的 v1.2.0-beta.0 版本带来了一系列值得关注的新特性和改进。
核心新特性解析
构建信息自定义支持
新版本增加了在 JavaScript 端设置构建信息的能力。这一特性允许开发者更灵活地控制构建过程,可以根据不同环境或需求动态调整构建参数。对于需要多环境部署的项目来说,这一功能尤为重要,它使得构建配置更加动态化和可编程。
持久化缓存改进
Rspack 在 v1.2.0-beta.0 中对持久化缓存机制进行了重要增强:
- 现在可以通过
config.mode和config.name来使缓存失效,这为开发者在不同构建配置间切换时提供了更精细的缓存控制能力。 - 修复了使用持久化缓存时懒编译重启失败的问题,提高了构建的稳定性。
持久化缓存是提升构建性能的关键技术,这些改进使得 Rspack 在这一领域更加成熟可靠。
开发工具链增强
新版本在开发工具方面也有显著提升:
- 现在支持通过
devtool选项来配置源码映射生成策略,为开发者提供了更灵活的调试体验配置。 - 修复了 source-map-devtool-plugin 的文件上下文选项问题,提高了源码映射的准确性。
重要问题修复
本次版本修复了多个影响开发体验的关键问题:
- 解决了同步外部函数调用时的通道错误问题,提高了构建过程的稳定性。
- 修复了嵌套 Webpack require 在启用 innerGraph 时的转换问题,确保模块依赖关系正确解析。
- 改进了多进度条的输出显示,使构建过程的可视化反馈更加清晰。
- 修正了版本不匹配时的错误信息显示,现在会包含具体的版本信息,便于问题诊断。
构建性能优化
在底层架构方面,Rspack v1.2.0-beta.0 引入了一些重要的重构和优化:
- 新增了增量构建中的模块变异更新机制,为未来的增量构建性能提升奠定了基础。
- 改进了存储错误信息的格式,使得构建过程中的问题更容易被诊断和解决。
- 将编译器选项构建器重构为独立模块,提高了代码的可维护性和扩展性。
文档与开发者体验改进
新版本在文档方面也做了大量工作:
- 新增了 loader API 概览文档,帮助开发者更好地理解和使用 Rspack 的加载器系统。
- 完善了多个插件的文档说明,包括
WarnCaseSensitiveModulesPlugin的完整文档。 - 添加了关于 HMR 在文件名包含哈希时可能失败的警告说明,帮助开发者避免常见陷阱。
- 术语标准化,使用"模块说明符"替代了容易引起混淆的"请求"一词。
总结
Rspack v1.2.0-beta.0 版本在构建功能、性能优化和开发者体验等方面都取得了显著进步。特别是对持久化缓存的改进和构建信息自定义的支持,使得 Rspack 在复杂项目构建场景下的表现更加出色。随着这些新特性的加入和问题的修复,Rspack 正逐步成为一个更加成熟和可靠的 JavaScript 构建工具选择。
对于正在使用或考虑使用 Rspack 的开发者来说,这个版本值得关注和尝试。它不仅提供了更丰富的功能选项,也在稳定性和开发体验方面做出了实质性改进。随着 Rspack 生态的不断完善,它有望成为现代前端工程化的重要工具之一。
登录后查看全文
热门项目推荐
相关项目推荐
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
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.9 K
暂无简介
Dart
671
156
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
261
322
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1