Nx 20.6.0-beta.0 版本发布:本地缓存控制与项目配置增强
Nx 是一个智能、快速、可扩展的构建系统,专注于现代前端和全栈开发。它通过提供强大的代码生成、依赖管理、构建优化等功能,帮助开发团队提高生产力。Nx 支持多种技术栈,包括 Angular、React、Node.js 等,并提供了丰富的插件生态系统。
本地缓存大小限制功能
在 20.6.0-beta.0 版本中,Nx 引入了一个重要的新特性:maxCacheSize 选项。这个功能允许开发者限制本地构建产物的缓存大小,对于长期运行的 CI/CD 环境或开发机器特别有用。
技术实现原理
Nx 的构建缓存机制会存储任务执行结果(如编译输出、测试结果等)到本地磁盘。随着项目规模增长和时间推移,这些缓存文件可能会占用大量磁盘空间。新加入的 maxCacheSize 选项通过以下方式工作:
- 当缓存大小超过设定阈值时,系统会自动清理最旧的缓存条目
- 清理过程遵循 LRU(最近最少使用)算法
- 配置方式简单,只需在 nx.json 中添加相应设置
使用场景建议
对于大型企业级项目,建议在 CI 环境中配置合理的缓存大小限制,例如:
{
"tasksRunnerOptions": {
"default": {
"options": {
"cacheableOperations": ["build", "test", "lint"],
"maxCacheSize": "2GB"
}
}
}
}
项目配置方式增强
本次更新还带来了项目配置方式的改进,新增了 useProjectJson 标志。这个特性让开发者可以更灵活地选择项目配置的存储方式。
配置方式对比
Nx 支持两种主要的项目配置方式:
- project.json 文件:每个项目有独立的配置文件
- 内联配置:项目配置直接定义在 workspace.json 或 angular.json 中
新版本允许在生成新项目时通过 useProjectJson 标志明确指定使用哪种方式:
nx generate @nx/react:app my-app --useProjectJson=true
技术决策建议
对于大型单体仓库(monorepo),推荐使用 project.json 方式,因为:
- 配置分散在不同文件中,减少合并冲突
- 更容易进行版本控制
- 项目配置更独立,便于维护
TypeScript 配置增强
对于使用 Rspack 构建工具的项目,新版本改进了 TypeScript 配置文件的处理能力。现在系统能够自动推断 ts-node 的编译器选项,当项目使用 TypeScript 配置文件时提供更好的开发体验。
技术细节
这一改进主要体现在:
- 自动检测项目中的 tsconfig.json 文件
- 正确应用 TypeScript 编译器选项到 Rspack 任务环境
- 减少了手动配置 ts-node 的需求
其他重要修复
本次发布还包含了一些重要的稳定性修复:
- Angular 项目生成器:修正了目录类型参数的处理,使其更加严格和明确
- 项目移动功能:改进了对包管理器工作区配置的处理,确保项目移动后依赖关系保持正确
- 依赖图可视化:修复了目标详情头部工具提示在折叠状态下的显示问题
升级建议
对于考虑升级到 20.6.0-beta.0 版本的团队,建议:
- 首先在开发环境测试新特性
- 评估
maxCacheSize对本地开发体验的影响 - 检查现有项目配置方式是否需要调整
- 特别注意 Angular 项目生成器参数的变化
Nx 20.6.0-beta.0 的这些改进进一步巩固了其作为现代前端构建工具的领导地位,特别是在大型项目管理和构建优化方面提供了更多实用功能。
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