WXT项目中的Firefox扩展打包优化:过滤排除入口文件
在WXT项目开发过程中,当我们需要为Firefox浏览器打包扩展时,可能会遇到一个常见需求:如何排除某些特定的入口文件不被包含在最终的zip压缩包中。这个问题看似简单,实则涉及到WXT构建流程中的多个环节。
问题背景
在开发浏览器扩展时,我们经常需要为不同浏览器平台定制不同的内容脚本。例如,某些脚本可能专门为Chrome设计,而在Firefox中不需要。WXT项目通过exclude['firefox']配置项允许开发者指定哪些内容脚本应该被排除在Firefox版本之外。
然而,在0.17.7版本中,这些被排除的文件仍然会被包含在最终的Firefox源代码zip包中,这显然不符合开发者的预期。
技术解决方案
WXT项目团队经过讨论,提出了几种可能的解决方案:
-
直接解决方案:在构建流程中,通过
zip.excludeSources配置项手动添加需要排除的文件路径。这是最直接的临时解决方案,但不够自动化。 -
构建流程优化:修改
findEntrypoints函数,增加一个布尔参数使其能够返回所有入口文件(包括被排除的),而不仅仅是当前构建目标需要的入口文件。这样可以通过对比找出需要排除的文件。 -
利用构建输出:分析构建过程中的
output.steps数据,其中已经包含了过滤后的入口点信息,可以用来指导zip打包过程。
实现细节
最终,WXT团队选择了最直接的解决方案,并在0.19.19版本中实现了这一功能。开发者现在可以通过在wxt配置中添加zip.excludeSources来显式指定需要排除的文件:
// wxt.config.ts
export default defineConfig({
zip: {
excludeSources: [
'path/to/excluded/script.js'
]
}
})
技术思考
这个问题的解决过程展示了几个重要的工程实践:
-
配置优先:提供明确的配置项让开发者能够直接控制构建行为,而不是通过隐式的规则。
-
渐进式改进:先提供简单直接的解决方案,再考虑更复杂的自动化方案。
-
版本迭代:通过版本更新逐步完善功能,确保每个变更都是可控的。
总结
WXT项目对Firefox扩展打包流程的优化,体现了对开发者实际需求的关注。通过简单的配置项,开发者现在可以精确控制哪些文件应该被包含在最终的zip包中,这对于多平台浏览器扩展开发尤为重要。这个改进虽然看似微小,但却能显著提升开发体验和构建产物的整洁性。
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