RSBuild 1.3.0-beta.0 版本发布:构建工具的重大更新
RSBuild 是一个基于 Rspack 的现代前端构建工具,它提供了开箱即用的配置和优化能力,旨在简化前端项目的构建流程。作为 Rspack 生态中的重要一环,RSBuild 通过提供更友好的开发者体验和更高效的构建性能,正在成为越来越多前端开发者的选择。
核心特性更新
Rspack 1.3.0-beta.0 集成
本次版本最重要的更新是将底层构建引擎 Rspack 升级到了 1.3.0-beta.0 版本。Rspack 作为基于 Rust 的高性能构建工具,此次升级带来了多项性能优化和新特性支持。开发者可以期待更快的构建速度和更稳定的构建过程。
动态导入完整性支持
新增了对动态导入模块的完整性检查功能(Subresource Integrity,简称 SRI)。这项安全特性可以为动态加载的 JavaScript 模块生成哈希值,确保这些模块在传输过程中没有被篡改。对于重视安全性的企业级应用来说,这是一个重要的增强。
重要问题修复
缓存目录配置问题
修复了 buildCache.cacheDirectory 配置项不生效的问题。缓存机制是构建工具性能优化的关键,正确的缓存配置可以显著减少重复构建的时间。这个修复确保了开发者可以按照预期配置构建缓存的位置。
复制配置合并问题
解决了当复制配置类型不同时,配置合并不正确的问题。RSBuild 提供了文件复制功能,用于将静态资源从源目录复制到输出目录。这个修复确保了无论开发者使用哪种格式的配置(数组或对象),都能正确合并多个配置来源。
错误覆盖层优化
改进了错误覆盖层的实现,避免了多个错误覆盖实例同时存在的问题。在开发过程中,当代码出现错误时,RSBuild 会在浏览器中显示错误信息。这个优化使得错误展示更加清晰和稳定。
开发者体验改进
Preact 插件升级
将 Preact 插件的 SWC 插件版本升级到了 v7。SWC 是一个基于 Rust 的快速转译工具,新版本带来了更好的兼容性和性能。使用 Preact 框架的开发者将从中受益。
环境变量加载优化
文档中新增了 loadEnv 选项的说明,开发者现在可以更灵活地控制环境变量的加载行为。这对于需要区分不同环境配置的项目特别有用。
构建安全增强
除了前面提到的动态导入完整性支持外,本次更新还包含了一系列类型安全检查的改进。通过增加 null 检查等方式,提升了代码的健壮性,减少了潜在的类型相关错误。
文档与示例完善
文档方面进行了全面更新,包括:
- 新增了服务器关闭方法的示例
- 完善了内联静态资产的相关说明
- 更新了生态系统架构图
- 增加了获取额外模板的信息
这些文档改进使得新用户能够更快上手 RSBuild,同时也为有经验的开发者提供了更全面的参考。
测试覆盖增强
测试套件中新增了多个端到端测试用例,特别是针对缓存目录配置和动态导入完整性功能的测试。全面的测试覆盖确保了这些功能的稳定性和可靠性。
总结
RSBuild 1.3.0-beta.0 版本带来了多项重要更新,从底层构建引擎的升级到开发者体验的优化,再到安全特性的增强,都体现了项目团队对构建工具质量和性能的不懈追求。对于正在使用或考虑采用 RSBuild 的团队来说,这个版本值得关注和试用。
作为 beta 版本,建议开发者在非生产环境中先行体验这些新特性,待稳定版发布后再应用到正式项目。随着 Rspack 生态的持续发展,RSBuild 有望成为现代前端工程化的重要选择之一。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0105
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00