Mako 项目中的 Hooks 到 Plugins 架构演进
2025-07-04 15:00:17作者:袁立春Spencer
在构建工具领域,模块化和可扩展性一直是核心设计理念。本文将以 Mako 项目为例,深入探讨其从 Hooks 机制到 Plugins 架构的演进过程,分析这一技术决策背后的思考与实现方案。
原有 Hooks 机制分析
Mako 最初采用了基于 Hooks 的扩展机制,允许开发者通过 JavaScript 对象直接注入功能:
const { build } = require('@umijs/mako');
await build({
hooks: {
// 各种钩子函数
},
// 其他配置
});
这种设计虽然灵活,但存在几个明显问题:
- 缺乏标准化:没有统一的插件编写规范,每个开发者可能采用不同的代码组织方式
- 复用困难:难以将功能封装为可复用的独立模块
- 管理不便:大型项目中难以系统化管理各种功能扩展
Plugins 架构设计
新的 Plugins 架构将带来以下改进:
module.exports = {
name: 'foo', // 明确的插件标识
load() {
// 标准化的生命周期方法
},
};
使用方式变为:
const { build } = require('@umijs/mako');
await build({
plugins: [
require('mako-plugin-foo'),
// 其他插件
],
});
关键优势
- 标准化接口:每个插件都有明确的名称和生命周期方法
- 模块化复用:可以发布为独立的 npm 包(如 mako-plugin-foo)
- 组合式架构:通过数组形式组合多个插件,形成功能管道
- 框架集成:上层框架可以动态管理插件集合
实现方案详解
技术实现路径
- Binding 层改造:底层支持多插件并行处理
- API 迁移:将 hooks 参数改为 plugins 数组
- 文档更新:完善插件开发指南和 API 文档
架构考量
值得注意的是,在 rolldown 项目的绑定层重构完成后,Mako 的底层实现也将相应调整。目前的过渡方案采用简单实现,确保功能可用性,为后续架构演进留出空间。
对开发者生态的影响
这一变更将显著改善开发者体验:
- 插件开发者:有了明确的开发规范和发布渠道
- 工具使用者:可以通过组合现有插件快速搭建构建流程
- 框架整合者:能够更灵活地管理构建流程的各个扩展点
总结
Mako 从 Hooks 到 Plugins 的架构演进,反映了现代构建工具向模块化、标准化发展的趋势。这一变化不仅提升了工具本身的扩展性,也为开发者生态的建设奠定了基础。随着实现的不断完善,Mako 将能够更好地服务于各种规模的 JavaScript 项目构建需求。
登录后查看全文
热门项目推荐
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
HunyuanVideo-1.5暂无简介00
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-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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
182
196
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
274
94
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.41 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1