RSBuild v1.2.16 版本发布:优化构建体验与问题修复
RSBuild 是一个现代化的前端构建工具,基于 Rspack 构建引擎,旨在为开发者提供高效、灵活的构建体验。它支持多种前端框架,包括 React、Vue、Svelte 等,并提供了丰富的配置选项和插件系统。
构建日志优化
本次更新中,RSBuild 对热模块替换(HMR)的日志输出进行了优化,减少了冗余信息。在开发过程中,频繁的模块更新会产生大量日志,这可能会干扰开发者的注意力。新版本通过精简日志内容,使得开发者能够更专注于关键信息,提升开发体验。
CSS 导出类型增强
在 CSS 处理方面,新版本增强了 cssLoader.exportType 配置项的灵活性。现在开发者可以将其设置为字符串类型,而不仅仅是布尔值。这一改进为样式处理提供了更多可能性,特别是在需要自定义 CSS 模块导出行为时,开发者可以更精确地控制样式表的导出方式。
构建分割功能修复
本次更新修复了一个关于 forceSplitting 与 single-vendor 配置共同使用时的问题。在某些情况下,强制分割配置可能无法按预期工作,导致构建结果不符合预期。新版本确保了这两个功能的正确协同工作,使得资源分割策略能够稳定执行。
安全增强
在安全方面,新版本修复了预加载脚本标签中 nonce 属性的应用问题。nonce 是内容安全策略(CSP)中的重要属性,用于防止跨站脚本攻击(XSS)。修复后,所有预加载的脚本标签都会正确应用 nonce 属性,增强了应用的安全性。
构建结果展示改进
构建结果的展示也得到了优化,特别是文件大小的 gzip 压缩信息显示。新版本改进了相关信息的渲染方式,使得开发者能够更清晰地了解构建产物的压缩情况,便于进行性能分析和优化。
框架支持优化
对于 Vue 开发者,本次更新解决了与 React 插件共存时的顺序问题。在多框架项目中,插件加载顺序可能会影响构建结果,新版本确保了 Vue 和 React 插件能够正确协同工作。
文档完善
除了功能改进,RSBuild 团队还持续完善文档。本次更新中,贡献指南、文件名配置说明等文档内容得到了补充和优化,帮助开发者更好地理解和使用 RSBuild 的各项功能。
依赖更新
在底层依赖方面,项目更新了多个关键依赖,包括 babel-loader 升级到 v10 版本,模块联邦更新到 v0.10.0,以及 Svelte 更新到 5.22.5 版本等。这些更新带来了性能改进和新特性支持,同时也修复了已知问题。
总的来说,RSBuild v1.2.16 版本在构建体验、功能稳定性和安全性方面都有所提升,为前端开发者提供了更可靠、高效的构建工具链。无论是新项目还是现有项目升级,都值得考虑采用这一版本。
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