Modern.js 2.65.0 版本发布:BFF增强与构建优化
Modern.js 是一个现代化的前端开发框架,它集成了各种前端开发的最佳实践,提供了开箱即用的开发体验。该框架特别注重开发效率和性能优化,支持多种现代前端技术栈。
BFF 跨项目调用支持域名配置
在本次 2.65.0 版本中,Modern.js 对 BFF(Backend For Frontend)功能进行了重要增强。BFF 作为前端与后端之间的中间层,现在支持跨项目调用时配置域名。这一改进使得微前端架构下的服务调用更加灵活,开发者可以根据实际部署环境配置不同的服务端点。
在实际应用中,当多个前端项目需要共享同一套 BFF 服务时,这一特性显得尤为重要。开发者不再需要硬编码服务地址,而是可以通过配置文件动态指定,大大提高了代码的可维护性和部署的灵活性。
请求体透传优化
框架对请求处理机制进行了优化,新增了请求体(body)透传功能。当查询参数中包含 pass_body 标志时,系统会自动将请求体内容透传到后端服务。这一改进简化了代理请求的处理逻辑,特别适用于需要将前端请求原样转发到后端 API 的场景。
这种设计模式在构建 API 网关或请求转发中间件时非常有用,开发者无需手动解析和重构请求体,减少了出错的可能性,同时提高了开发效率。
Rsbuild 配置 Hook 支持
Modern.js 2.65.0 版本为 Rsbuild 增加了配置修改的 Hook 支持。Rsbuild 作为 Modern.js 的底层构建工具,这一增强使得开发者可以在构建过程中动态修改配置,为构建流程提供了更大的灵活性。
通过这一特性,开发者可以实现:
- 根据环境变量动态调整构建配置
- 在构建过程中注入自定义插件
- 实现条件性的配置修改
- 与其他构建工具进行深度集成
构建缓存依赖修复
本次更新修复了 Rspack 构建时框架配置路径未正确添加到构建缓存依赖中的问题。这一修复确保了当框架配置发生变化时,构建系统能够正确识别并重新构建受影响的模块,避免了因缓存导致的构建结果不一致问题。
对于大型项目而言,这一修复尤为重要,它能保证配置变更后构建结果的准确性,同时又不影响构建缓存的性能优势。
BFF 包生成路径修复
版本中还修复了 BFF 功能在生成 package.json 文件时的路径问题。这一修复确保了在不同操作系统环境下,BFF 相关功能的文件生成都能正常工作,提高了框架的跨平台兼容性。
总结
Modern.js 2.65.0 版本带来了多项实用改进,特别是在 BFF 功能和构建系统方面。这些改进不仅增强了框架的功能性,也提升了开发体验和项目维护性。对于正在使用或考虑采用 Modern.js 的团队来说,这一版本值得关注和升级。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00