RSBuild v1.3.16 版本发布:性能优化与新特性解析
RSBuild 是一个现代化的前端构建工具,它基于 Rspack 构建引擎,旨在为开发者提供高效、灵活的构建体验。RSBuild 通过简化配置、优化构建流程,帮助开发者快速构建高性能的 Web 应用。在最新的 v1.3.16 版本中,RSBuild 带来了一系列性能优化和新特性,同时修复了一些已知问题。
性能优化
本次版本最显著的改进是默认启用了 Rspack 的增量构建功能。增量构建是一种优化技术,它只重新构建发生变化的文件,而不是整个项目。这种构建方式可以显著减少构建时间,特别是在大型项目中效果更为明显。对于开发者来说,这意味着更快的开发迭代速度和更高的开发效率。
需要注意的是,这项优化仅适用于使用 Rspack 作为构建引擎的项目。对于仍在使用 Webpack 的项目,RSBuild 会智能地跳过这项配置,确保不会对现有构建流程产生负面影响。
新增功能
增强的 transform API
RSBuild 的 transform API 新增了两个重要选项:
-
mimetype选项:允许开发者指定要处理的文件类型。这个功能特别有用当需要针对特定类型的文件(如 CSS、JavaScript 或图片)应用不同的转换规则时。 -
enforce选项:提供了对转换执行顺序的精细控制。开发者可以使用这个选项确保某些转换在特定阶段执行,这对于处理依赖关系的构建步骤非常有用。
清单文件验证
在 Web 应用开发中,清单文件(manifest)管理是一个常见需求。新版本增加了对重复清单文件名的验证功能,当检测到重复时会发出警告。这有助于开发者及时发现潜在的配置问题,避免运行时错误。
问题修复
本次版本修复了一个重要问题:确保增量构建配置不会错误地应用到 Webpack 项目中。这个修复保证了使用不同构建引擎的项目都能获得正确的构建行为。
文档改进
RSBuild 团队持续投入大量精力完善文档,本次更新包括:
- 详细说明了实例方法和插件钩子的使用方式
- 更新了项目创建指南,推荐使用官方提供的创建工具
- 改进了插件示例,采用更现代的命名导出方式
- 新增了使用 cheerio 进行 HTML 操作的示例
- 详细说明了中间件的使用指南
- 扩展了 TransformDescriptor 的条件说明
- 明确了标签注入位置的具体行为
- 改进了清单数据访问的说明文档
- 新增了多环境清单文件配置指南
这些文档改进使得开发者能够更轻松地理解和使用 RSBuild 的各项功能,特别是对于新手开发者来说,这些详实的文档可以大大降低学习曲线。
其他改进
除了上述主要变更外,本次版本还包括一些内部优化:
- 更新了 ansiHTML 的使用方式,采用命名导出
- 升级了所有补丁依赖版本
- 移除了不再需要的 watchOptions.ignored 配置
- 更新了 NX 到 v21 版本
这些内部改进虽然不会直接影响开发者体验,但它们有助于保持项目的健康状态,为未来的功能开发和性能优化奠定基础。
总结
RSBuild v1.3.16 版本在性能、功能和开发者体验方面都做出了显著改进。默认启用的增量构建将直接提升开发效率,增强的 transform API 为高级构建场景提供了更多可能性,而完善的文档则让开发者能够更轻松地掌握这些新功能。对于正在使用 RSBuild 的团队来说,升级到这个版本将获得更好的开发体验和构建性能。
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