RSBuild v1.3.5 版本发布:优化构建体验与问题修复
RSBuild 是一个现代化的前端构建工具,它基于 Rspack 构建引擎,旨在为开发者提供高效、灵活的构建体验。RSBuild 通过简化配置、优化构建性能以及提供丰富的插件系统,帮助开发者快速构建高质量的前端应用。
在最新发布的 v1.3.5 版本中,RSBuild 团队主要聚焦于构建工具的稳定性和开发者体验的提升。这个版本包含了多项重要更新,既有对核心依赖的升级,也有针对常见问题的修复。
核心依赖升级
本次版本最重要的更新之一是将 Rspack 升级到了 v1.3.3 版本。Rspack 作为 RSBuild 的底层构建引擎,其性能优化和新特性都会直接影响到 RSBuild 的使用体验。通过这次升级,开发者可以享受到 Rspack 最新版本带来的构建性能改进和稳定性提升。
同时,项目还更新了多个关键依赖:
- 将 pnpm 包管理器升级到了 v10.8.0 版本
- 更新了 webpack 到 ^5.99.2 版本
- 升级了 @rspack/plugin-react-refresh 插件到 ~1.2.0
这些依赖的更新不仅带来了性能上的优化,也修复了之前版本中存在的一些潜在问题。
问题修复与改进
v1.3.5 版本中修复了几个影响开发者体验的问题:
-
类型定义修复:解决了 http-proxy-middleware 和 postcss 相关的类型定义问题,现在 TypeScript 用户在使用相关功能时将获得更准确的类型提示。
-
错误覆盖层改进:修复了错误覆盖层中链接转换不正确的问题,这使得开发者在调试时能够更清晰地看到错误信息。
-
插件依赖管理:优化了 @rsbuild/plugin-svgr 插件的依赖管理,不再固定 @rsbuild/plugin-react 的版本,为开发者提供了更大的灵活性。
文档优化
除了代码层面的改进,RSBuild 团队还对文档进行了多项优化:
-
修正了文档中错误的链接引用,确保开发者能够准确找到相关 API 文档。
-
改进了代码高亮显示,从原先的方案切换到了 shiki,提供了更美观、更准确的语法高亮效果。
-
优化了文档中的 URL 结构,使用更简洁的链接形式,提升了文档的可读性和易用性。
总结
RSBuild v1.3.5 虽然是一个小版本更新,但它包含了多项对开发者体验有实质性提升的改进。从底层依赖的升级到具体问题的修复,再到文档的优化,都体现了 RSBuild 团队对产品质量和开发者体验的持续关注。
对于正在使用 RSBuild 的开发者来说,升级到这个版本可以获得更稳定的构建体验和更好的开发支持。特别是对于那些遇到类型定义问题或错误覆盖层显示问题的项目,这次更新将带来明显的改善。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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