Angular CLI 19.1.0 版本发布:构建工具链全面升级
Angular CLI 是 Angular 官方提供的命令行工具,用于快速创建、开发、构建和维护 Angular 应用程序。作为 Angular 生态系统的核心工具之一,它极大地简化了开发者的工作流程。本次发布的 19.1.0 版本带来了多项重要更新,主要集中在构建工具链的优化和功能增强上。
构建工具链的重大改进
全新的 @angular/build 包集成
19.1.0 版本最显著的变化是将 ng-packagr 构建器迁移到了新的 @angular/build 包中。这一架构调整带来了几个关键优势:
- 模块化程度更高:构建功能被更好地封装在独立包中,便于维护和更新
- 一致性增强:所有核心构建工具现在都集中在 @angular/build 包下
- 平滑迁移:通过 schematics 自动处理现有项目的迁移,确保兼容性
对于开发者而言,这意味着更稳定和一致的构建体验,同时也为未来的功能扩展奠定了基础。
国际化(i18n)功能增强
灵活的本地化URL配置
新版本引入了对 i18n 配置中 URL 段自定义的支持,主要改进包括:
- 新增
subPath配置项,取代了原有的baseHref subPath同时控制 HTML 的 base HREF 和输出目录名称- 默认情况下会使用语言环境代码作为 subPath 值
这一变化使得国际化路由的配置更加直观和灵活,开发者可以更精细地控制不同语言版本的 URL 结构。
根路由自动重定向
当用户访问应用的根路由而没有指定语言环境时,系统现在会自动重定向到首选语言环境。这一改进显著提升了多语言应用的用户体验,避免了用户手动选择语言的麻烦。
开发体验优化
组件模板热替换
19.1.0 版本默认启用了组件模板的热模块替换(HMR)功能。这意味着开发者在修改组件模板时,无需手动刷新浏览器就能看到变更效果,大大提高了开发效率。
样式热更新改进
新版本优化了组件样式的热更新机制,现在使用组件级别的更新策略,使得样式变更的响应更加迅速和准确。
服务端渲染(SSR)增强
性能优化
SSR 功能获得了多项改进:
- 为懒加载路由添加了
modulepreload支持,提升页面加载性能 - 改进了路由提取过程中的组件引导逻辑
- 修复了 SSR 构建中外部包加载器处理的问题
开发模式优化
在开发模式下,SSR 现在能更好地处理组件模板更新,并修复了与 Vite 开发服务器的集成问题,使得 SSR 开发体验更加流畅。
构建系统稳定性提升
文件监视改进
构建系统现在能更准确地处理文件变更:
- 在监视模式下正确移除已删除的资源文件
- 支持增量构建结果在监视模式下的处理
- 资源变更时自动触发浏览器刷新
类型检查配置
新增了对 isolatedModules 和 emitDecoratorMetadata 同时使用的警告,帮助开发者避免潜在的构建问题。
架构工具改进
路径处理增强
核心工具现在能更好地处理 Windows 系统下驱动器字母的大小写问题,提高了跨平台开发的稳定性。
规则类型更新
Schematics 的 Rule 类型现在支持返回 Promise<Tree>,为异步操作提供了更好的类型支持。
总结
Angular CLI 19.1.0 版本通过构建工具链的重构和多项功能增强,为开发者带来了更高效、更稳定的开发体验。特别是国际化支持和开发模式优化的改进,将显著提升大型 Angular 应用的开发效率。建议开发者尽快升级到新版本,以充分利用这些改进带来的好处。
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