Milkdown终极构建指南:解锁Vite高级配置的10个核心技巧
Milkdown是一个插件驱动的WYSIWYG Markdown编辑器,深受Typora启发,构建在Prosemirror和Remark之上。这个开源项目提供了丰富的插件系统和灵活的构建配置选项,让开发者能够轻松创建个性化的Markdown编辑体验。
🚀 为什么选择Milkdown构建系统
Milkdown采用现代化的构建工具链,主要基于Vite进行构建和开发。项目的核心配置文件位于根目录的vite.config.mts,这个文件不仅为所有子包提供通用的Vite配置,还作为Vitest的测试配置。
🔧 核心构建配置解析
1. 模块化构建策略
Milkdown采用高度模块化的构建架构,每个包都有自己的配置文件。例如,核心包的配置在packages/core/vite.config.ts,插件包的配置在packages/plugins/目录下的各个子包中。
2. 外部依赖管理
项目通过精心设计的外部依赖列表来优化构建大小。在vite.config.mts中定义了完整的外部依赖列表,包括:
- 核心依赖:tslib、remark、unified
- Prosemirror相关:各种prose模块
- 插件系统:所有官方插件包
3. 统一的构建函数
项目提供了viteBuild函数(定义在vite.config.mts#L96-L127),这个函数为所有子包提供一致的构建配置:
function viteBuild(path: string, options: BuildOptions = {}): BuildOptions {
// 统一的构建逻辑
}
⚙️ 高级配置技巧
4. 包名动态生成
每个包的构建名称都基于包目录名动态生成,确保命名的唯一性和一致性。
5. 依赖合并策略
项目采用智能的依赖合并策略,将package.json中的dependencies、devDependencies、peerDependencies与全局依赖进行合并。
6. 输出格式控制
默认配置支持ES模块格式输出,同时保持sourcemap生成以方便调试。
🎯 实际应用场景
7. 插件开发配置
对于插件开发者,项目提供了pluginViteConfig函数(vite.config.mts#L136-L141),简化插件包的配置过程。
8. 测试环境集成
配置文件还集成了Vitest测试框架的配置,确保开发、构建和测试环境的一致性。
🔍 最佳实践建议
9. 配置复用原则
所有子包的配置文件都复用主配置文件中定义的逻辑,确保整个项目构建行为的一致性。
10. 扩展性考虑
构建系统设计时充分考虑了扩展性,开发者可以轻松添加新的插件包或修改现有配置。
📁 项目结构概览
Milkdown项目采用monorepo结构,主要包含以下核心包:
- packages/core/ - 编辑器核心功能
- packages/plugins/ - 各种功能插件
- packages/components/ - UI组件
- packages/crepe/ - 主题系统
🎉 开始使用
要开始使用Milkdown的构建系统,建议先了解项目的基本结构,然后根据具体需求选择合适的配置选项。无论是开发新插件还是定制现有功能,这套构建系统都能提供强大的支持。
通过掌握这些Vite高级配置技巧,你将能够充分发挥Milkdown的潜力,创建出功能丰富、性能优异的Markdown编辑器应用。🚀
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
