Rsbuild v1.4.0-beta.3 版本深度解析
Rsbuild 是一个基于 Rspack 的现代化前端构建工具,它通过提供开箱即用的配置和优化的构建流程,帮助开发者快速搭建高性能的前端应用。本次发布的 v1.4.0-beta.3 版本带来了一系列值得关注的新特性、性能优化和问题修复。
核心特性升级
本次更新最值得关注的是对 Rspack 核心依赖的升级,Rsbuild 现在支持最新的 @rspack/core v1.4.0-beta.0 版本。这一升级意味着开发者可以享受到 Rspack 最新版本带来的构建性能改进和新特性支持。
在类型系统方面,新增了普通 CSS 模块的类型声明支持。这一改进使得在使用 CSS Modules 时,TypeScript 能够提供更准确的类型提示和检查,提升了开发体验。
性能优化亮点
Rsbuild 团队在此版本中进行了多项性能优化工作。首先移除了 dotenv 依赖项,转而使用自定义的解析函数来处理环境变量文件。这一改动减少了项目依赖,降低了构建工具的启动开销。
另一个值得注意的优化是对 Node.js crypto 模块的懒加载处理。通过延迟加载这个较大的核心模块,Rsbuild 进一步优化了启动性能,特别是在冷启动场景下效果更为明显。
问题修复与改进
在模板生成方面,修复了 create-rsbuild 工具中 env.d.ts 文件在某些模板中缺失的问题,确保了 TypeScript 环境变量类型声明的完整性。同时修正了 react18-ts 预设中 ESLint 模板名称的错误。
对于 Sass 用户,解除了对 sass-embedded 的固定版本限制,并更新到了最新的 v1.89.2 版本,解决了潜在的兼容性问题。
开发体验提升
在 TypeScript 支持方面,Rsbuild 现在默认启用了 verbatimModuleSyntax 选项,这一特性可以更精确地控制模块导入/导出的行为。同时,项目模板中也启用了 noUncheckedSideEffectImports 选项,增强了类型检查的严格性。
文档方面也进行了多项更新,包括补充了服务器 CORS 配置的默认值说明,改进了移动端适配的文档展示,并完善了迁移指南中的钩子函数说明。
测试基础设施升级
测试框架方面,Rsbuild 开始采用 Rstest 作为新的测试框架,这一变化预示着项目在测试覆盖率和稳定性方面的持续投入。同时,测试用例中对 SRI 插件警告日志的处理也进行了优化,使得测试输出更加清晰。
总结
Rsbuild v1.4.0-beta.3 版本在构建性能、类型支持和开发体验等方面都做出了显著改进。这些变化不仅提升了工具本身的稳定性和效率,也为开发者提供了更加完善的开发环境。随着 Rspack 生态的持续发展,Rsbuild 作为其上层工具链的重要组成部分,正在快速成熟并展现出强大的竞争力。
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