Node.js v23.6.0 版本发布:原生支持 TypeScript 执行
Node.js 作为当下最流行的 JavaScript 运行时环境,其最新版本 v23.6.0 带来了一个令人振奋的功能更新——原生支持 TypeScript 文件的直接执行。这一特性标志着 Node.js 在开发者体验上的重大提升,让 TypeScript 开发者能够更便捷地使用 Node.js 运行他们的代码。
TypeScript 原生执行能力
本次版本最引人注目的变化是移除了 --experimental-strip-types 实验性标志,使其成为默认功能。这意味着开发者现在可以直接运行 TypeScript 文件,无需任何额外配置:
node file.ts
这一功能的实现基于类型剥离(type stripping)技术,Node.js 会在运行时自动移除 TypeScript 的类型注解,将代码转换为纯 JavaScript 执行。不过需要注意的是,当前版本对 TypeScript 语法的支持仍有一些限制,开发者需要参考官方文档了解具体细节。
其他重要更新
标准输入支持 TypeScript
除了直接执行 TypeScript 文件外,新版本还扩展了对标准输入(STDIN)的 TypeScript 支持。现在开发者可以通过管道将 TypeScript 代码传递给 Node.js 执行:
echo "const x: number = 1; console.log(x);" | node
进程管理增强
新增了 process.ref() 和 process.unref() 方法,为进程管理提供了更细粒度的控制能力。这些方法允许开发者明确指定某个进程是否应该保持事件循环活跃,这对于编写守护进程或后台服务特别有用。
Worker 线程支持
Worker 线程现在也支持直接执行 TypeScript 代码,使得在多线程环境下使用 TypeScript 变得更加方便。
性能优化与改进
错误堆栈处理优化
新版本改进了 prepareStackTrace 对内置帧的处理效率,同时优化了源映射查找时的异常处理,使得错误堆栈信息更加准确和高效。
模块系统增强
修复了同步 findPackageJSON 中的异步解析错误问题,提高了模块加载的稳定性。同时改进了模块缓存处理,使用更高效的 base64 编码方式。
开发者工具链更新
测试框架改进
测试运行器(test runner)中的测试隔离功能已标记为稳定状态,为单元测试提供了更可靠的隔离环境。同时移除了多个测试用例的"flaky"标记,表明这些测试的稳定性已经得到提升。
文档完善
更新了多个核心模块的文档,包括更清晰的参数说明和示例代码。特别是完善了 SECURITY.md 中的安全相关内容,使用更合适的格式呈现安全信息。
向后兼容性说明
虽然 TypeScript 支持已成为默认功能,但官方仍将其标记为实验性特性,这意味着在未来版本中可能会有调整。开发者在使用时应当注意这一特性可能的变化。
Node.js v23.6.0 的这些改进显著提升了开发者的工作效率,特别是对于 TypeScript 开发者来说,减少了构建配置的复杂性,使得从开发到运行的流程更加顺畅。随着这些功能的稳定和进一步完善,Node.js 在 TypeScript 生态中的支持将变得更加成熟可靠。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00