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。
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