Rspack v1.3.10 发布:运行时代码的 Source Map 支持与多项优化
Rspack 是一个基于 Rust 的高性能 JavaScript 构建工具,它结合了 Webpack 的灵活性和 Rust 的高效性能,为现代前端开发提供了更快的构建体验。在最新发布的 v1.3.10 版本中,Rspack 带来了一些重要的功能增强和性能优化,特别是对运行时代码的 Source Map 支持,这将显著提升开发者的调试体验。
运行时代码的 Source Map 支持
本次更新的亮点之一是 Rspack 现在能够为运行时代码生成 Source Map。运行时代码是 Rspack 在打包过程中自动注入的代码,用于处理模块加载、代码分割等核心功能。在过去,这些代码由于没有对应的 Source Map,调试起来相当困难。
有了这项新功能,开发者现在可以:
- 在生产环境中更准确地定位运行时错误
- 在开发环境中获得更完整的调试体验
- 通过 Source Map 直接查看运行时代码对应的原始位置
这项改进特别适合大型项目,其中运行时错误往往难以追踪。现在开发者可以像调试应用代码一样调试运行时逻辑,大大提升了问题诊断的效率。
其他重要功能更新
增强的 WASM 支持
Rspack 现在支持在 WebAssembly 版本中使用 tracing-chrome 功能,这为性能分析和调试提供了更多可能性。开发者可以更深入地了解构建过程中的性能瓶颈。
CSS 解析器配置增强
新增了 url 配置选项到 CSS 解析器,允许开发者更灵活地控制 CSS 中 URL 的处理方式。这对于需要特殊处理资源引用的项目特别有用。
模块上下文支持
import.meta.webpackContext 现在支持 include 和 exclude 选项,这使得动态导入更加灵活可控。开发者可以更精确地指定需要包含或排除的模块。
二进制资源生成支持
资源生成器现在支持二进制选项,为处理非文本资源提供了更好的支持。这对于需要处理图片、字体等二进制资源的项目是一个重要改进。
性能优化与问题修复
本次发布还包含多项性能优化和问题修复:
-
动态导入 Node.js 检查器:通过动态导入 Node.js 的检查器模块,减少了启动时的性能开销。
-
环境配置修复:修复了
environment.dynamicImport配置对 chunk 格式和加载方式的影响问题,确保配置的一致性。 -
__dirname评估修复:当配置为 false 时,现在能正确避免评估typeof __dirname,解决了相关的问题。 -
脚本加载运行时模块修复:修正了
dataWebpackPrefix在脚本加载运行时模块中的行为。
开发者体验改进
除了核心功能的增强,本次更新还包含多项提升开发者体验的改进:
-
更好的默认 browserslist 目标:create-rspack 模板现在提供了更合理的默认 browserslist 配置,减少了新项目的配置工作。
-
TypeScript 类型增强:导出了
PitchLoaderDefinitionFunction类型,为 loader 开发者提供了更好的类型支持。 -
SRI 插件灵活性:现在可以不带选项使用 SRI 插件,简化了基本使用场景。
-
SWC 升级:升级到了 SWC v23.2.0,并移除了不再需要的
swc_parallel依赖。
总结
Rspack v1.3.10 通过引入运行时代码的 Source Map 支持,显著提升了调试体验。同时,多项新功能和问题修复进一步增强了工具的稳定性和灵活性。这些改进使得 Rspack 在保持高性能的同时,提供了更完善的开发者体验,特别是在大型项目中的表现更加出色。
对于现有用户,建议升级到这个版本以获得更好的调试支持和性能优化。对于新用户,现在是一个很好的时机来尝试 Rspack,体验其快速构建和日益完善的特性集。
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