Rspack v1.3.12 版本发布:性能优化与新特性解析
Rspack 是一个基于 Rust 的高性能 JavaScript 构建工具,它结合了 Webpack 的生态系统和 Rust 的高效性能,为现代前端开发提供了更快的构建速度和更好的开发体验。本次发布的 v1.3.12 版本带来了一系列性能优化、新功能和错误修复,进一步提升了开发者的使用体验。
性能优化亮点
本次版本在性能方面做了显著改进。开发团队通过延迟加载 watchpack 和一些 Node.js 内置模块,有效减少了初始加载时间。watchpack 是 Webpack 生态中用于文件监视的核心组件,延迟加载策略意味着只有在真正需要时才加载这些模块,从而降低了启动时的内存占用和加载时间。
此外,移除了对 Node 10 的兼容性代码,这有助于减少代码体积并提高运行效率。随着 Node.js 生态的发展,放弃对老旧版本的支持可以让开发者专注于优化现代环境下的性能表现。
新特性解析
NAPI 支持升级
本次更新将 NAPI(Node-API)支持升级到了 beta 版本。NAPI 是 Node.js 提供的用于构建原生插件的稳定 API 层,这次升级意味着 Rspack 在原生模块集成方面更加成熟稳定。新增的支持返回自定义错误代码功能,为开发者提供了更灵活的错误处理机制。
SWC 编译器增强
SWC 编译器 API 增加了 diagnostics 字段到 TransformOutput 中。这个改进使得开发者能够获取更详细的转换诊断信息,有助于调试和优化构建过程。同时修复了在使用 WASM 插件时没有 tokio 运行时的 panic 问题,提高了稳定性。
Rstest 内置插件初始化
新版本中初始化了 Rstest 内置插件。Rstest 是一个 Rust 测试框架,这一集成将为 Rust 开发者提供更便捷的测试体验,进一步巩固了 Rspack 在 Rust 生态中的地位。
重要错误修复
本次版本修复了多个影响开发体验的问题:
- 修复了 ES 模块规范依赖的解构属性混淆问题,确保了代码压缩后的正确性。
- 解决了 CSS 预加载和预取功能的异常问题,优化了资源加载策略。
- 修正了 HMR(热模块替换)更新后获取优先级丢失的问题,提升了开发体验的流畅度。
- 修复了源映射调试 ID 在 eval 模式下的问题,增强了调试能力。
- 解决了当目标为 webworker 时缺少导入脚本运行时的问题,确保了在各种环境下的兼容性。
构建系统改进
在构建系统方面,修复了 HTTP 构建重定向到另一个 URL 的问题,并改进了清理选项的执行逻辑,现在会在读取前检查目录是否存在,避免了潜在的错误。这些改进使得构建过程更加健壮可靠。
开发者体验优化
文档方面也有多项更新,包括改进 devtool 文档、添加 copy 插件的 JSDoc 信息等,帮助开发者更好地理解和使用各种功能。同时加入了更多实际使用 Rspack 的项目案例,展示了其在生产环境中的应用情况。
总结
Rspack v1.3.12 版本通过性能优化、新功能添加和错误修复,进一步提升了构建效率和开发者体验。特别是 NAPI 支持的升级和 SWC 编译器的增强,为高级用户提供了更多可能性。随着 Rust 在前端工具链中的普及,Rspack 正逐步成为一个值得关注的高性能构建工具选择。
对于正在使用或考虑使用 Rspack 的团队,这个版本值得升级,特别是那些关注构建性能和现代 JavaScript 特性的项目。开发团队持续关注开发者反馈并快速迭代的态度,也预示着 Rspack 生态的健康发展前景。
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