tsdown v0.11.8 发布:实验性工作区支持与功能增强
tsdown 是一个基于 TypeScript 的构建工具,专注于提供高效的模块打包能力。该项目通过创新的架构设计,为开发者提供了更快速、更灵活的构建体验。最新发布的 v0.11.8 版本带来了两项重要更新:实验性的工作区支持以及多项功能增强。
实验性工作区支持
本次更新最引人注目的特性是新增的工作区支持功能。工作区是现代前端开发中的重要概念,它允许开发者在单一代码库中管理多个相互关联的包。tsdown 现在通过以下方式实现了这一功能:
-
基础工作区架构:系统底层增加了对工作区模式的基本支持,使得开发者可以在一个项目中组织多个子包。
-
专用 CLI 命令:新增了
workspace命令行工具,为工作区操作提供了专用接口。这个命令将作为管理工作区中各个包的主要入口点。
需要注意的是,当前的工作区功能仍处于实验阶段,这意味着其API和行为可能在未来的版本中发生变化。开发者在使用时应当注意这一特性可能带来的兼容性风险。
功能增强
除了工作区支持外,本次更新还包含了几项实用的功能改进:
-
命名选项:新增了
name配置选项,允许开发者显式地为构建输出指定名称。这在需要精确控制输出文件命名时特别有用。 -
CLI 灵活性提升:系统现在能够接受未知的CLI选项而不会报错。这一改进使得开发者可以更自由地传递自定义参数,而不会被严格的参数验证所限制。
技术意义与应用场景
这些更新在实际开发中有着广泛的应用价值:
-
大型项目管理:工作区支持使得管理monorepo项目变得更加简单,特别适合需要维护多个相互依赖包的中大型项目。
-
构建流程定制:新增的命名选项为构建输出提供了更精细的控制能力,在需要特定命名规范的场景下尤为实用。
-
工具链集成:CLI灵活性的提升使得tsdown能够更容易地与其他工具链集成,为构建自动化提供了更多可能性。
对于正在考虑采用tsdown的团队来说,v0.11.8版本标志着该项目在功能完备性上又向前迈进了一步。虽然工作区功能尚处于实验阶段,但已经为复杂项目的构建需求提供了可行的解决方案。建议开发者根据项目需求评估这些新特性,并在非关键项目中先行试用工作区功能,以积累使用经验。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00