Lighthouse v12.5.0 版本发布:JavaScript 检测优化与性能洞察增强
项目简介
Lighthouse 是 Google 开源的一款自动化网站质量评估工具,广泛应用于 Web 性能优化领域。它能够对网页进行全面的审计,包括性能、可访问性、最佳实践等多个维度,并提供详细的改进建议。作为 Chrome DevTools 的核心组件之一,Lighthouse 帮助开发者快速识别和解决网站性能瓶颈。
版本亮点
Lighthouse v12.5.0 带来了多项重要更新,主要集中在 JavaScript 代码检测算法的改进和新的性能洞察功能上。这些改进使得开发者能够更准确地识别影响网站性能的问题,并获得更实用的优化建议。
JavaScript 检测优化
传统 JavaScript 检测升级
本次版本最重要的改进之一是对 legacy-javascript 审计的更新。该功能现在基于 Baseline 而非 esmodules 来判断哪些代码属于"传统"JavaScript。这一变化使得检测结果更加符合现代 Web 开发的实际情况,能够更准确地识别出可能影响性能的老旧代码。
构建工具支持增强
v12.5.0 版本显著增强了对现代构建工具生成代码的识别能力:
- Rollup 支持:现在能够更好地识别 Rollup 打包生成的代码
- esbuild 支持:新增对 esbuild 构建结果的检测能力
- 未压缩代码检测:改进了对未压缩代码的识别算法
- 转换检测优化:提升了代码转换过程的检测准确性
这些改进使得 Lighthouse 能够更全面地分析现代前端构建工具链生成的 JavaScript 代码,为开发者提供更精准的性能优化建议。
重复代码检测调整
duplicated-javascript 审计的阈值从 1 KiB 提高到了 10 KiB。这一调整减少了误报,使得开发者能够更专注于真正影响性能的重复代码问题。
性能洞察功能增强
新增缓存使用洞察
v12.5.0 引入了 use-cache-insight 功能,帮助开发者分析网站对浏览器缓存的使用情况。这项洞察能够识别出未能充分利用缓存的资源,指导开发者优化缓存策略。
强制回流检测
新版本实现了强制回流(forced reflow)的检测功能。强制回流是导致页面性能下降的常见原因之一,这项洞察能够帮助开发者识别并修复相关性能问题。
字体显示优化
新增的字体显示(font display)洞察能够检测网页中可能影响用户体验的字体加载问题,如布局偏移或文本闪烁等,并提供优化建议。
底层架构改进
跟踪引擎升级
Lighthouse 底层依赖的 trace_engine 升级到了 0.0.47 版本,带来了更精确的性能追踪能力。新版本还支持将源映射传递给跟踪引擎,使得性能分析结果更加准确。
国际化支持增强
改进了国际化(i18n)功能,使 Lighthouse 的审计结果能够更好地适应不同语言环境。特别是将跟踪引擎的国际化功能适配到了 Lighthouse 的国际化模型中。
开发者体验优化
测试稳定性提升
修复了本地 Mocha 测试中 isUnderTest 设置不正确的问题,提高了测试的可靠性。同时解决了 Node 20.19 中的国际化格式问题。
代码结构优化
将支持文件移动到更合理的目录结构(core/lib/legacy-javascript),提高了代码的可维护性。提取了传统 JavaScript 检测逻辑到核心库中,使代码组织更加清晰。
总结
Lighthouse v12.5.0 通过改进 JavaScript 检测算法和增强性能洞察功能,为开发者提供了更强大的网站性能优化工具。特别是对现代构建工具链的支持和对缓存、回流等关键性能问题的深入分析,使得开发者能够更精准地识别和解决性能瓶颈。这些改进将帮助开发者构建更快、更高效的 Web 应用,提升最终用户的体验。
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 StartedRust0196
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0124
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07