Svelte-preprocess 项目移除过时的 Sorcery 依赖
在 Svelte 生态系统的持续演进过程中,svelte-preprocess 项目近期完成了一项重要的依赖更新工作——移除了过时的 sorcery 依赖。这一变更不仅解决了用户遇到的警告问题,还精简了项目的依赖结构。
背景与问题
sorcery 是一个用于处理 JavaScript 源映射(source map)的工具库,但该项目已经长期缺乏维护,并且在用户使用过程中会产生弃用警告。更关键的是,sorcery 并不是 Svelte 生态系统中的核心依赖,它的存在增加了项目的依赖复杂度。
解决方案
开发团队决定采用两种方式来解决这个问题:
-
短期方案:使用 @ampproject/remapping 替代 sorcery,这与 Svelte 核心项目中采用的做法一致。这个库由 AMP 项目维护,具有更好的维护状态和兼容性。
-
长期方案:在即将发布的主要版本更新中,完全移除相关代码。这部分代码最初是为了解决 TypeScript 在处理值导入和类型导入分离时的兼容性问题,而现代 TypeScript 版本已经原生支持这一特性。
技术细节
在 svelte-preprocess 的 TypeScript 转换器中,原本使用 sorcery 来处理源映射合并。新的实现将采用更现代的解决方案,这与 Svelte 编译器本身的处理方式保持一致。
值得注意的是,团队还评估了是否真的需要合并源映射的功能。随着 TypeScript 功能的完善,某些复杂的源映射处理可能已经不再必要。
影响与收益
这一变更带来了多重好处:
- 消除了用户在使用过程中遇到的弃用警告
- 减少了新 SvelteKit 应用的依赖项数量
- 使项目依赖结构与 Svelte 生态系统其他部分更加一致
- 为未来的代码简化奠定了基础
后续计划
随着这一变更的完成,svelte-preprocess 项目将继续关注依赖项的现代化工作。团队正在修复 sander 依赖的相关问题,虽然这降低了移除 sorcery 的紧迫性,但精简依赖仍然是项目的长期目标。
这一系列改进体现了 Svelte 生态系统对开发者体验的持续关注,通过减少不必要的依赖和警告,为开发者提供更流畅的使用体验。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00