Rolldown 项目新增对 `external: 'absolute'` 的支持解析
在模块打包工具的开发中,处理外部依赖项(external)是一个关键功能。Rolldown 作为新兴的 JavaScript 模块打包工具,近期在其核心功能上做出了重要改进 - 支持了 resolveId 插件钩子中的 external: 'absolute' 选项。
背景与需求
在模块打包过程中,开发者经常需要指定某些模块作为外部依赖,不进行打包处理。传统的 Rollup 和 Webpack 等工具提供了多种方式来处理外部依赖。Nuxt.js 框架从 3.16 版本开始,在其核心插件中使用了 external: 'absolute' 这一特殊选项来精确控制外部依赖的解析行为。
然而,Rolldown 最初并未实现对这一选项的支持,这导致使用新版本 Nuxt.js 的项目无法通过 Rolldown 正确构建。具体表现为,当 Nuxt.js 的解析外部依赖插件尝试使用 external: 'absolute' 选项时,构建过程会失败。
技术实现解析
external: 'absolute' 选项的核心作用是告诉打包工具:当遇到绝对路径的模块引用时,应将其视为外部依赖而不进行打包处理。这一功能对于框架开发者特别重要,因为它允许更精细地控制哪些资源应该保留为外部引用。
在 Rolldown 的实现中,这一功能通过对 resolveId 钩子的增强来实现。当插件返回一个包含 external: 'absolute' 的对象时,Rolldown 会:
- 检查模块路径是否为绝对路径
- 如果是绝对路径,则将该模块标记为外部依赖
- 在最终生成的 bundle 中保留对这些模块的外部引用
实际应用场景
这一改进特别适用于以下场景:
- 框架开发:如 Nuxt.js 这样的框架需要精确控制核心模块的打包行为
- 混合应用:当项目同时使用打包工具处理的代码和直接引用的外部脚本时
- 微前端架构:在主应用需要明确引用子应用的绝对路径资源时
对开发者的影响
对于使用 Rolldown 的开发者来说,这一改进意味着:
- 可以无缝使用最新版本的 Nuxt.js 框架
- 获得了更灵活的模块外部化控制能力
- 在复杂项目结构中能够更精确地管理依赖关系
总结
Rolldown 对 external: 'absolute' 的支持标志着该项目在兼容性和功能性上的重要进步。这一改进不仅解决了与 Nuxt.js 的兼容性问题,更为开发者提供了更强大的模块解析控制能力,使得 Rolldown 在现代化前端工具链中的地位更加稳固。
随着 JavaScript 生态系统的不断发展,模块打包工具需要不断适应各种框架和构建场景的需求。Rolldown 通过实现这一功能,展示了其对开发者实际需求的快速响应能力,为未来的功能扩展奠定了良好的基础。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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