Eleventy v3.1.0 发布:性能提升11%,体积缩小22%
Eleventy 是一个简单灵活的静态站点生成器,以其轻量级和高度可定制性著称。它支持多种模板语言,如 Liquid、Nunjucks 和 Markdown,并允许开发者使用 JavaScript 进行扩展。Eleventy 的设计理念是"零配置优先",但也提供了丰富的配置选项来满足各种需求。
最新发布的 Eleventy v3.1.0 版本带来了显著的性能优化和功能改进,让我们一起来看看这些变化。
核心性能优化
本次更新最引人注目的是构建性能的提升。根据基准测试,与 v3.0.0 相比:
- Liquid 模板处理速度提升 10%
- Nunjucks 模板处理速度提升 11%
- Markdown 处理速度提升 11%
这些性能提升主要来自内部架构的优化,特别是将 TemplateMap 与依赖图合并,使得增量构建时的构建顺序更加准确。此外,开发服务器相关的动态导入现在只在 --serve 模式下加载,节省了约 50ms 的启动时间。
体积大幅缩减
Eleventy 一直以轻量级著称,v3.1.0 进一步优化了依赖关系:
- 生产依赖数量从 v3.0.0 的 187 个减少到 142 个
- 安装体积从 27.4MB 缩小到 21.4MB,减少了 22%
- 相比 v1.0.2 版本,体积减少了惊人的 70%
这些优化主要来自依赖项的替换和清理,例如用 tinyglobby 替代 fast-glob 和 is-glob,用 picomatch 替代 micromatch,以及移除了 rifraf 依赖。
新功能亮点
1. 导入属性支持
现在支持 JavaScript 的导入属性语法,例如:
import data from './data.json' with { type: 'json' };
这使得 JSON 文件的导入更加明确和安全,符合最新的 ECMAScript 标准。
2. HTML 相对路径资源处理
新增了 html-relative 传递复制模式,专门用于处理 HTML 中的相对资源引用。这个功能解决了开发者在处理相对路径资源时的常见痛点。
3. 开发服务器改进
开发服务器组件获得了多项更新和修复,提供了更稳定的实时重载体验。这些改进包括更好的错误处理和性能优化。
4. 类型定义增强
TypeScript 用户现在可以更方便地导入 UserConfig 类型定义,这要归功于新增的子路径导出功能。
5. IdAttribute 插件增强
IdAttribute 插件现在提供了 checkDuplicates 选项,允许开发者控制是否检查重复 ID。虽然默认仍然启用检查,但现在可以根据需要关闭这一功能。
错误处理和开发者体验
v3.1.0 在错误处理方面做了大量改进:
- 当尝试链接到
permalink: false的模板时,会显示更清晰的错误信息 - 自定义模板类型中使用非字符串 permalink 值时,错误信息更加明确
.11ty.js文件中的语法错误会得到更好的错误提示- 在 Node v22.12 中支持 require(esm) 的错误信息更加准确
- 错误堆栈信息展示更加清晰
重要问题修复
本次更新修复了多个关键问题:
- 修复了使用
eleventyConfig.addCollectionAPI 返回非传统数据时的问题 - 解决了 Windows 平台上文件删除后重新添加时的重复 permalink 错误
- 修复了使用函数 permalinks 时的
link.slice is not a function错误 - 改进了在服务器环境中使用编程式 API 时的打包友好性
- 修复了同时使用
eleventyConfig.setUseTemplateCache(false)和11ty.jsJavaScript 模板时的问题 - 解决了增量构建中传递复制的输出位置问题
- 修复了使用 addDateParsing API 时的
dateValue.toLowerCase() is not a function错误
内部架构改进
v3.1.0 包含多项内部架构优化:
- 改进了 Nunjucks 引擎的缓存使用,提高了模板处理的一致性
- 修复了
eleventy.templateModified监听器的警告问题 - 改进了
eleventyComputed中数组的合并行为,现在数组会被视为单个实体进行合并 - 修复了后续构建中的集合定义问题
升级建议
对于现有项目,升级到 v3.1.0 通常是无缝的。主要需要注意以下几点:
- 确保你的 Node.js 版本至少为 18.x(这是 Eleventy v3 系列的最低要求)
- 检查是否有使用任何已被移除或替换的依赖项
- 如果使用了自定义插件或复杂的数据处理逻辑,建议在测试环境中先验证
总结
Eleventy v3.1.0 延续了该项目对性能和开发者体验的持续优化。显著的性能提升和体积缩减使得构建过程更加高效,而新增的功能和错误处理改进则让开发者能够更轻松地构建和维护静态站点。
对于新项目,v3.1.0 提供了更现代的功能支持和更好的开发体验;对于现有项目,升级可以获得即时的性能提升和更稳定的构建过程。无论是小型个人博客还是大型企业网站,Eleventy 继续证明自己是一个强大而灵活的静态站点生成解决方案。
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