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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust098- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00