Rsbuild v1.3.8 版本发布:优化懒编译与端口处理
Rsbuild 是一个基于 Rspack 的现代化前端构建工具,它提供了开箱即用的构建配置和优化能力,帮助开发者快速搭建高效的前端开发环境。Rsbuild 继承了 Webpack 生态的优势,同时通过 Rspack 提供了更快的构建速度。
懒编译功能增强
本次 v1.3.8 版本中,Rsbuild 对懒编译功能进行了重要改进。开发者现在可以在配置中使用 <port> 占位符来指定懒编译的服务端 URL。这一改进使得配置更加灵活,特别是在需要动态端口分配的场景下。
例如,开发者可以这样配置:
{
dev: {
lazyCompilation: {
serverUrl: 'http://localhost:<port>'
}
}
}
在实际运行时,<port> 会被自动替换为当前开发服务器使用的实际端口号。这一特性在多项目协作或微前端架构中特别有用,可以避免硬编码端口带来的冲突问题。
Node.js 版本要求调整
考虑到现代 JavaScript 生态的发展趋势,Rsbuild 在这个版本中将最低 Node.js 版本要求从之前的版本提升到了 16.10。这一变更确保了 Rsbuild 能够充分利用现代 JavaScript 特性,同时保持与最新 npm 生态的兼容性。
开发者需要注意升级本地开发环境的 Node.js 版本,以避免兼容性问题。Node.js 16.10 引入了多项性能改进和新特性,这也将间接提升 Rsbuild 的运行效率。
构建性能分析文档修正
本次更新还修正了构建性能分析文档中的链接错误。构建性能分析是 Rsbuild 提供的一项重要功能,它可以帮助开发者识别构建过程中的性能瓶颈,优化构建速度。
React 扫描指南新增
v1.3.8 版本新增了 React 扫描功能的使用指南。React 扫描是 Rsbuild 提供的一个高级特性,它能够分析项目中的 React 组件使用情况,帮助开发者优化 React 应用的性能和体积。
内部架构优化
在代码层面,Rsbuild 团队对端口处理逻辑进行了重构,使其更加清晰和健壮。这一改进虽然对最终用户不可见,但提升了 Rsbuild 的稳定性和可维护性。具体包括:
- 统一了端口处理的逻辑流
- 优化了中间件中的端口相关代码
- 改进了变量命名和代码注释
这些内部改进将为未来的功能扩展打下更好的基础。
依赖项更新
Rsbuild 持续保持依赖项的更新,本次版本中:
- 将 Module Federation 更新至 v0.12.0 版本
- 更新了 Changesets CLI 到 2.29.2
- 升级 Svelte 到 5.27.0 版本
这些依赖项的更新带来了 bug 修复、性能改进和新特性支持,进一步增强了 Rsbuild 的稳定性和功能丰富度。
总结
Rsbuild v1.3.8 是一个以优化和改进为主的版本,重点增强了懒编译功能的灵活性,调整了运行环境要求,并完善了文档体系。这些改进使得 Rsbuild 在现代前端开发工作流中更加易用和可靠。开发者可以平滑升级到这个版本,享受更流畅的构建体验。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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 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
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