Rsbuild v1.2.18 版本发布:优化构建体验与稳定性提升
Rsbuild 是一个基于 Rspack 的现代前端构建工具,它提供了开箱即用的配置和优化的构建流程,帮助开发者快速构建高性能的前端应用。Rsbuild 的设计理念是简单、高效和可扩展,它继承了 Rspack 的优秀特性,并在此基础上提供了更多便捷的功能和更好的开发体验。
在最新的 v1.2.18 版本中,Rsbuild 团队带来了一系列改进和修复,进一步提升了工具的稳定性和用户体验。让我们一起来看看这个版本的主要更新内容。
核心依赖升级:Rspack 更新至 v1.2.8
本次版本最重要的更新之一是将底层构建引擎 Rspack 升级到了 v1.2.8 版本。Rspack 是一个基于 Rust 的高性能构建工具,与 Webpack 兼容但构建速度更快。通过这次升级,Rsbuild 用户将自动获得 Rspack 最新版本带来的性能优化和功能改进。
多编译器环境下的日志优化
在使用多编译器配置时(例如同时构建多个环境),Rsbuild 现在会智能地只在必要时打印环境名称。这一改进使得构建日志更加清晰,避免了冗余信息的干扰,特别是在复杂的多环境构建场景下,开发者能够更轻松地识别和理解构建输出。
CommonJS 动态导入回调支持
对于使用 CommonJS 模块系统的项目,v1.2.18 版本修复了一个关于动态导入回调的重要问题。现在,当在 CommonJS 环境中使用动态导入时,回调函数能够正确地被识别和执行。这一改进确保了模块加载逻辑在各种模块系统中的一致性,减少了潜在的运行时错误。
插件系统稳定性增强
插件系统是 Rsbuild 的重要扩展机制,本次版本修复了在某些情况下 appendPlugins 方法无法正常工作的问题。这一改进确保了插件添加的顺序和时机更加可靠,特别是在复杂的插件组合场景下,开发者可以更自信地扩展构建流程。
文档完善与类型定义改进
Rsbuild 团队持续关注文档质量,本次更新中:
- 新增了关于动态资源前缀的配置指南,帮助开发者更好地处理 CDN 或动态部署场景下的资源引用问题。
- 改进了
InspectConfigOptions类型定义,提供了更准确的类型提示和文档说明。 - 简化了 Rsdoctor 配置示例,使性能分析工具的集成更加直观易懂。
内部优化与测试增强
除了面向用户的功能改进外,v1.2.18 版本还包含多项内部优化:
- 升级了 Rsdoctor 到 1.0.0-rc.0 版本,为构建分析提供了更强大的工具支持。
- 导出了
StartServerResult类型,方便开发者复用和扩展开发服务器功能。 - 增加了针对自定义 Rspack 配置的单元测试,提高了核心功能的测试覆盖率。
- 移除了开发服务器中不必要的
runInNewContext选项,简化了内部实现。
总结
Rsbuild v1.2.18 版本虽然是一个小版本更新,但包含了多项有价值的改进和修复。从核心依赖升级到用户体验优化,从插件系统稳定性到文档完善,这些改进共同提升了 Rsbuild 的整体质量和开发者体验。
对于现有用户,建议尽快升级到最新版本以获得更好的构建稳定性和性能。对于新用户,现在正是开始尝试 Rsbuild 的好时机,它提供了现代化的构建体验和出色的性能表现。
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