esm.sh v136 版本发布:JavaScript 模块加载服务的重大升级
esm.sh 是一个现代化的 JavaScript 模块 CDN 服务,它能够将 npm 包转换为原生 ES 模块格式,让开发者可以直接在浏览器中通过 import 语句使用 npm 上的各种库。这项服务极大地简化了前端开发中依赖管理的复杂性,特别是在不需要构建工具链的情况下快速使用第三方库。
近日,esm.sh 发布了 v136 版本,带来了多项重要更新和改进,包括对 JSR 和 pkg.pr.new 注册表的支持、依赖解析的语义化版本控制、内置 npm 包管理器、模块拆分优化等。这些变化不仅提升了性能,也改善了开发体验。
新增内置注册表支持
v136 版本新增了对两个重要 JavaScript 注册表的原生支持:
-
JSR 注册表:由 Deno 团队创建的开源包注册表,专为现代 JavaScript 和 TypeScript 设计。开发者现在可以直接通过 esm.sh 导入 JSR 上的包。
-
pkg.pr.new 注册表:由 StackBlitz Labs 创建的持续预览发布服务,允许开发者直接使用 GitHub 仓库中的最新代码,而不需要等待正式发布。
依赖解析的重大改进
本次版本对依赖解析机制进行了重要调整:
-
遵循语义化版本控制:之前版本使用固定版本号解析依赖,可能导致包更新时出现重复问题。现在改为使用语义化版本范围(如 ^19.0.0),更符合 npm 生态的标准做法。
-
移除构建版本前缀:为了简化 URL 结构并减少潜在的重复问题,v136 移除了模块路径中的构建版本前缀(如 /v135/)。虽然旧路径仍然有效,但新构建将默认使用无前缀的路径。
性能优化与架构改进
-
内置 npm 包管理器:用 Go 实现的内置 npm 包管理器取代了之前的 pnpm,使 CI 测试时间从 12 分钟缩短到 4.5 分钟,提升约 2.7 倍速度,同时消除了对 Node.js 和 pnpm 的依赖。
-
智能模块拆分:通过分析依赖树,在构建过程中自动拆分模块,减少重复代码并优化网络请求。当包的 exports 字段定义明确时,这一功能会自动启用。
运行时兼容性与优化
-
unenv 运行时兼容层:采用 unenv 作为 Node.js 运行时兼容层,提供了一系列 Node.js 和 Web 的 polyfill 和模拟工具,支持多种环境包括浏览器、Worker、Node.js、多种云服务 Workers 和 Deno。
-
npm 包替换机制:实现了类似 e18e 的 module-replacements 的 npm 包替换功能,在构建过程中将某些 polyfill 包替换为原生现代 API,例如将 object-assign 替换为 Object.assign。
配置与实验性功能
-
npm 作用域注册表配置:新增 npmScopedRegistries 配置项,允许为特定作用域的 npm 包定义自定义注册表、令牌等认证信息。
-
实验性功能:
- 支持直接构建 .vue 和 .svelte 文件
- 提供 https://esm.sh/x 特殊路径,使 TypeScript/JSX/Vue/Svelte 文件在浏览器中直接运行
其他重要变更
-
弃用功能:
- 移除了 build API
- 弃用了 Deno CLI 脚本,推荐使用 Deno 内置的包管理功能
-
技术升级:
- 升级 esbuild 到 0.24.2 版本
- 使用原生 cjs-module-lexer v1.0.7
- 默认使用 es2022 作为浏览器目标
- 用 globalThis 替代 window 以更好支持 Deno 2
-
新增配置选项:
- 支持 S3 兼容存储
- 新增 corsAllowOrigins 配置
- 添加 customLandingPage 配置
- 引入 npmQueryCacheTTL 配置
esm.sh v136 版本的这些改进显著提升了性能、兼容性和开发体验,使这个服务在现代 JavaScript 开发生态中继续保持领先地位。特别是对语义化版本的支持和模块拆分优化,将有效减少生产环境中的代码重复问题。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00