Rsbuild v1.3.18 版本发布:增强跨域控制与模块联邦支持
Rsbuild 是一个基于 Rspack 的现代前端构建工具,它提供了开箱即用的配置和优化的构建流程,帮助开发者快速构建高性能的 Web 应用。Rsbuild 的设计理念是简单、高效和可扩展,它整合了众多最佳实践,让开发者可以专注于业务逻辑而非构建配置。
核心功能增强
本次发布的 v1.3.18 版本带来了几项重要的功能改进,主要集中在跨域控制和模块联邦方面。
默认跨域源暴露
新版本通过 defaultAllowedOrigins 属性将核心的默认跨域源配置暴露出来,这使得开发者可以更方便地了解和修改默认的跨域策略。在实际开发中,特别是在微前端架构或 API 请求场景下,跨域控制是一个常见需求。Rsbuild 现在提供了更透明的配置方式,让开发者能够根据项目需求灵活调整。
调用者标识支持
createRsbuild 方法新增了 callerName 选项,这是一个看似小但实际很有用的改进。通过为构建实例设置调用者名称,可以在调试和日志中更清晰地追踪构建流程的来源。对于大型项目或复杂构建系统,这能显著提升问题排查的效率。
问题修复与优化
HTML 插件配置替换
修复了 HTML 插件选项对象无法被完整替换的问题。在之前的版本中,尝试替换整个 HTML 插件配置对象可能会遇到意外行为。这个修复使得开发者能够更自由地定制 HTML 相关的构建行为,特别是在需要完全覆盖默认配置的场景下。
模块联邦与跨域配置
本次更新特别关注了模块联邦(Module Federation)场景下的跨域配置问题。修复了两个相关问题:
- 允许在使用 MF Rsbuild 插件时设置
server.cors配置 - 允许在使用内置 MF 插件时设置
server.cors配置
这些修复确保了在模块联邦架构中,开发者能够正确配置跨域策略,这对于微前端应用的开发尤为重要。模块联邦技术允许运行时动态加载远程模块,而正确的跨域配置是这一技术能够正常工作的基础。
其他改进
- 更新了
babel-plugin-react-compiler到 19.1.0-rc.1 版本,保持与最新 React 生态工具的兼容性 - 修复了 E2E 测试中 manifest 名称冲突的警告,提升了测试稳定性
- 更新了相关依赖版本,包括
react-router-dom和 Rspress,确保生态系统的协同性
技术价值与应用场景
Rsbuild v1.3.18 的这些改进特别适合以下场景:
- 微前端架构:增强的模块联邦支持和跨域控制使得构建微前端应用更加顺畅
- API 集成开发:改进的跨域配置能力简化了前后端分离开发中的 API 调用问题
- 复杂构建系统:调用者标识功能为大型项目的构建流程提供了更好的可观测性
这些改进体现了 Rsbuild 团队对开发者实际需求的深入理解,以及对构建工具稳定性和灵活性的持续追求。对于正在使用或考虑采用 Rsbuild 的团队来说,这个版本提供了更可靠的构建体验和更强大的配置能力。
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