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。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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