Histoire v1.0.0-alpha.1 发布:支持 Vite 6 的重要更新
Histoire 是一个现代化的组件开发工具,它允许开发者以交互式的方式开发和测试 UI 组件。作为一个专注于 Vue 和 Vite 生态的工具,Histoire 提供了丰富的功能来提升组件开发体验,包括实时预览、响应式测试和自动文档生成等。
主要更新内容
Vite 6 兼容性支持
本次 alpha 版本最重要的更新是全面支持 Vite 6。开发团队对核心代码进行了调整,确保 Histoire 能够在最新的 Vite 6 环境中稳定运行。特别值得注意的是,团队解决了 vite-node 优化器在 Vite 6 下的兼容性问题,通过禁用优化器来保证构建过程的稳定性。
响应式预设高度可空
在组件开发过程中,响应式测试是一个重要环节。本次更新对 ResponsivePreset 类型进行了优化,现在 height 属性被明确标记为可空(nullable)。这一改进使得开发者可以更灵活地定义响应式预设,不再强制要求设置高度值。
Tailwind CSS 配置的 ESM 支持
对于使用 Tailwind CSS 的项目,本次更新解决了 ESM 格式配置文件的支持问题。现在 Histoire 能够正确处理采用 ESM 模块系统编写的 Tailwind 配置文件,这对于现代前端项目尤为重要,因为越来越多的工具链正在向纯 ESM 过渡。
开发者体验优化
除了上述功能更新外,团队还进行了一系列开发者体验的改进:
-
生成了声明映射(declaration maps),这显著改善了 TypeScript 开发者的调试体验,现在可以更方便地追踪类型定义的来源。
-
更新了基础工具链,包括 Node.js 和 pnpm 的版本要求,确保开发者使用最新的稳定工具进行开发。
-
文档方面进行了多处修正和更新,包括修正了 lost-pixel 标签的拼写错误,并添加了关于持续发布的说明。
发布策略说明
从这个版本开始,Histoire 采用了持续构建的发布策略。这意味着开发者可以更频繁地获取最新功能和修复,同时也要求团队在稳定性方面做出更多努力。这种发布模式在现代前端工具中越来越常见,它能够快速响应用户反馈并迭代产品。
总结
v1.0.0-alpha.1 版本标志着 Histoire 向正式版迈出了重要一步。通过支持 Vite 6 和解决关键的兼容性问题,这个版本为即将到来的 1.0 正式版奠定了坚实基础。对于正在使用或考虑采用 Histoire 的开发者来说,这个 alpha 版本值得关注和测试,特别是那些已经升级到 Vite 6 的项目。
随着前端工具链的快速发展,Histoire 的这些更新确保了它能够与现代开发环境保持同步,为组件驱动开发提供更好的支持。
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