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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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