Fastify-Vite v8.1.0 发布:优化构建配置与TypeScript支持
Fastify-Vite 是一个将 Vite 与 Fastify 框架深度整合的项目,它允许开发者在前端使用 Vite 的强大功能,同时后端享受 Fastify 的高性能特性。最新发布的 v8.1.0 版本带来了多项重要改进,特别是在构建配置缓存和 TypeScript 支持方面。
核心架构改进
本次更新的核心在于对 Vite 配置缓存机制的优化。在之前的版本中,Vite 的配置缓存可能会导致一些开发和生产环境不一致的问题。新版本通过重构核心代码,确保了配置缓存的可靠性,特别是在多次构建和不同环境下的表现更加稳定。
另一个重要改进是允许构建目录位于 Vite 项目根目录之外。这一变化为项目结构提供了更大的灵活性,使得开发者可以根据项目需求自由组织构建输出目录。新的推荐目录结构如下:
dist
├── vite.config.json # Vite生产环境配置缓存
├── client # Vite客户端环境打包结果
├── server # Vite SSR环境打包结果
└── server.js # Fastify服务器打包结果
增强的TypeScript支持
v8.1.0 版本引入了全新的 TypeScript 集成方式。与以往不同,新版本采用了更灵活的方法:Vite 仅负责前端代码的处理,而服务器端 TypeScript 代码的编译则交给开发者选择的工具(如 tsc 或 tsdown)。
这种分离架构的设计理念是:Fastify 服务器代码并不需要 Vite 的各种前端优化插件和构建选项,它只需要基本的 TypeScript 转换。虽然通过 Vite 开发服务器实现 Fastify 的热模块替换(HMR)会很有吸引力,但由于 Vite 内部服务器的不可配置性,这种方案会导致需要运行两个独立的服务器,这在架构上不够理想。
为了展示这种新的 TypeScript 集成方式,项目新增了两个低级别集成示例:
- vue-vanilla-ts:展示 Vue 与 TypeScript 的集成
- react-vanilla-ts:展示 React 与 TypeScript 的集成
开发体验优化
在开发工具方面,项目做出了一个大胆的决定:所有示例现在都使用零配置的 oxlint。这一改变简化了开发配置,让开发者可以更专注于代码本身而非工具配置。
项目维护脚本也进行了重构,旧的 test.mjs 被新的 package.mjs 取代,后者包含了多个按功能分组的脚本命令。对于项目贡献者来说,新增的 prep-for-dev 和 prep-for-release 命令自动化了 PNPM 工作区的一些繁琐操作,提高了开发效率。
总结
Fastify-Vite v8.1.0 通过优化构建配置和增强 TypeScript 支持,为开发者提供了更灵活、更可靠的开发体验。新的架构设计明确了前后端代码处理的边界,使得项目结构更加清晰。同时,开发工具的简化和自动化也降低了项目的维护成本。这些改进使得 Fastify-Vite 成为构建现代化全栈应用的更强大工具。
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
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
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