RSBuild v1.3.2 版本发布：Rspack 升级与模板修复
RSBuild 是一个基于 Rspack 的现代化构建工具，它通过提供开箱即用的配置和优化，帮助开发者快速搭建高性能的前端应用。作为 Rspack 生态中的重要一环，RSBuild 持续跟进 Rspack 的更新迭代，同时优化自身的功能体验。
本次发布的 v1.3.2 版本虽然是一个小版本更新，但包含了几个值得关注的改进点，特别是对 Rspack 核心引擎的升级以及模板创建功能的修复。
Rspack 引擎升级至 v1.3.1
本次更新最重要的变化是将底层构建引擎 Rspack 升级到了 v1.3.1 版本。作为 RSBuild 的核心依赖，Rspack 的每次升级都会带来性能优化和新特性支持。虽然官方更新日志中没有详细说明具体改进内容，但根据 Rspack 项目的迭代惯例，这类小版本更新通常会包含：
- 构建性能的微调优化
- 对 Webpack 生态兼容性的改进
- 各种边界 case 的问题修复
对于使用 RSBuild 的开发者来说，只需升级 RSBuild 版本即可自动获得这些底层改进，无需额外配置。
模板创建功能修复
在项目初始化方面，本次版本修复了两个重要问题：
-
Vue 项目模板的 ESLint 配置补全
修复了使用create-rsbuild创建 Vue 项目时缺少eslint-plugin-vue的问题。这个插件是 Vue 项目 ESLint 配置的核心依赖，用于检查 Vue 单文件组件中的模板语法和最佳实践。缺失会导致 ESLint 无法正确解析 Vue 文件。 -
HTML 模板标签注入逻辑增强
改进了在 HTML 模板中没有<head>标签时的资源注入逻辑。现在 RSBuild 能够更智能地处理各种 HTML 结构，确保 CSS、JS 等资源能够被正确注入到页面中，即使模板结构不标准。
开发者体验改进
除了上述功能修复外，本次更新还包含了一些开发者体验的优化：
- 新增了访问 Rspack API 的指南文档，帮助高级用户更好地利用 Rspack 的原生能力
- 简化了内部
isMultiCompiler的类型定义，使代码更易于维护 - 更新了多项开发依赖版本，保持工具链的现代化
升级建议
对于现有项目，建议通过以下命令进行升级：
npm update rsbuild
# 或
yarn upgrade rsbuild
# 或
pnpm update rsbuild
升级后，开发者可以立即享受到 Rspack 最新版本带来的改进，同时项目初始化模板也更加完善可靠。特别是对于 Vue 技术栈的用户，建议检查项目的 ESLint 配置，确保 eslint-plugin-vue 已正确安装。
RSBuild 团队持续关注开发者反馈，不断优化构建体验。这个小版本的发布体现了项目对稳定性和细节体验的重视，为后续更大规模的更新奠定了坚实基础。
相关内容推荐
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
最新内容推荐
项目优选
kernel
pytorch
nop-entropy
flutter_flutter
ops-math
ohos_react_native
leetcode
cangjie_compilercangjie_test
openGauss-server