Rspress v2.0.0-beta.3 发布:动态 TOC 生成与 MDX 组件增强
Rspress 是一个现代化的静态站点生成器,专为技术文档和博客设计。它基于 React 生态构建,提供了丰富的功能和灵活的扩展性,使开发者能够快速构建高性能的文档网站。最新发布的 v2.0.0-beta.3 版本带来了多项重要改进,特别是在动态 TOC 生成和 MDX 组件支持方面有了显著增强。
动态 TOC 生成功能
本次更新的核心亮点是引入了动态 TOC(Table of Contents)生成功能。这一改进彻底改变了传统静态 TOC 的局限性,为文档编写带来了全新的可能性。
技术实现原理
动态 TOC 生成通过解析 MDX 文档内容,实时构建文档结构。与静态 TOC 相比,它能够:
- 自动识别文档中的标题层级关系
- 动态响应文档内容变化
- 支持更复杂的文档结构
实际应用场景
MDX 与 Tabs 组件的完美结合
新版本解决了长期以来 MDX 文档中使用 Tabs 组件时 TOC 无法正确生成的痛点。现在,开发者可以自由地在文档中使用类似如下的结构:
## 安装方法
<Tabs>
<TabItem value="npm">
```bash
npm install package
yarn add package
```
系统能够正确识别并生成对应的 TOC 条目,而不会因为 Tabs 组件的存在导致结构混乱。
标题中的 Badge 支持
另一个重要改进是支持在标题中直接使用 Badge 组件,例如:
## 核心功能 <Badge type="warning">实验性</Badge>
这种写法现在能够被正确解析,Badge 会显示在标题旁边,同时不影响 TOC 的生成。这为文档提供了更丰富的表现形式,开发者可以用不同颜色的 Badge 来标记功能状态、重要程度等信息。
其他重要改进
除了核心的 TOC 功能外,本次更新还包括:
-
导航栏大小写处理优化:修复了导航栏在某些情况下对大小写处理不一致的问题,提高了路由匹配的准确性。
-
构建优化:通过外部化依赖等方式减少了插件包体积,提升了构建效率。
-
安全更新:将 react-helmet-async 迁移至 @dr.pogodin/react-helmet,确保项目的长期维护性。
升级建议
对于正在使用 Rspress 1.x 版本的项目,建议先参考迁移指南进行测试升级。新项目可以直接使用这一版本开始开发,体验最新的文档编写方式。
这一版本的发布标志着 Rspress 在 MDX 支持方面迈出了重要一步,为开发者提供了更强大、更灵活的文档编写体验。动态 TOC 生成功能的引入不仅解决了现有问题,更为未来的功能扩展奠定了基础。
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