RSBuild v1.2.0-beta.0 版本发布:性能优化与功能增强
RSBuild 是一个基于 Rspack 的现代化构建工具,旨在为前端开发者提供高效、灵活的构建体验。它继承了 Rspack 的高性能特性,同时提供了更友好的配置方式和丰富的功能插件。本次发布的 v1.2.0-beta.0 版本带来了多项性能优化和新特性,进一步提升了开发体验。
核心特性更新
资源重试机制优化
本次版本对资源重试机制进行了深度优化,主要体现在以下几个方面:
-
使用 SWC 替代 Babel 进行代码转换和压缩,显著提升了构建速度。SWC 作为基于 Rust 的编译工具,在处理 JavaScript 代码时具有更高的性能表现。
-
优化了服务器端的选项规范化处理,减少了不必要的计算开销。现在资源重试相关的配置会在服务器启动时就完成预处理,而不是在每次请求时重复计算。
-
精简了运行时代码的体积,通过减少空值合并操作符的使用和缩短命名空间前缀,使得最终生成的代码更加紧凑高效。
-
修复了异步 CSS 块中查询参数添加和域名切换功能失效的问题,确保了资源重试机制在各种场景下的可靠性。
模块解析改进
针对模块解析系统,本次更新做了以下改进:
-
调整了扩展名别名的解析顺序,使其与 Node.js 的行为保持一致。这一变化确保了开发者在使用 require 或 import 时的预期行为更加一致。
-
当项目中使用 jsconfig.json 时,会自动禁用扩展名别名功能,避免潜在的冲突问题。这一智能判断机制简化了配置过程。
-
新增了对 .cur 文件格式的支持,现在会将其视为图像资源进行正确处理。这使得项目中可以使用光标文件作为资源。
清单文件过滤功能
新增了清单文件过滤功能,允许开发者通过配置精确控制哪些文件会被包含在生成的清单中。这一功能特别适用于需要精细控制资源加载顺序或缓存策略的场景。
开发者体验提升
类型导出增强
为了方便 TypeScript 开发者,本次版本导出了更多有用的类型定义。这些类型可以帮助开发者更好地理解和使用 RSBuild 的 API,同时提供更完善的类型检查和代码提示。
文档完善
文档方面进行了多项更新和修正:
- 修正了文件名相关文档中的提示信息,确保指导准确无误。
- 更新了插件列表,新增了对 Angular 插件支持的说明。
- 优化了社区页面和横幅图片,提升了文档的可读性和美观性。
性能优化细节
除了上述提到的资源重试优化外,本次版本还对构建系统本身进行了多项性能改进:
- 重构了部分内部模块,移除了不再使用的代码,减少了构建时的冗余处理。
- 优化了测试用例的组织方式,将耗时较长的测试拆分到单独文件中,提高了测试效率。
- 改进了工作流程,确保发布流程更加顺畅。
总结
RSBuild v1.2.0-beta.0 版本通过多项性能优化和功能增强,进一步提升了构建效率和开发者体验。特别是对资源重试机制的深度优化,使得这一功能在保持强大能力的同时,对构建性能的影响降到了最低。模块解析系统的改进则让开发者的使用体验更加符合直觉。
对于正在使用 RSBuild 的开发者,建议关注本次版本中的资源清单过滤功能和类型导出增强,这些改进可以显著提升大型项目的管理效率。同时,所有性能优化都会自动生效,无需额外配置即可享受更快的构建速度。
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