weapp-tailwindcss 4.0.0 版本发布:全新功能与重大改进
weapp-tailwindcss 是一个专为小程序开发设计的工具集,它允许开发者在小程序中使用流行的 Tailwind CSS 框架。通过提供各种适配器和转换工具,它解决了 Tailwind CSS 在小程序环境中的兼容性问题,让开发者能够享受到 Tailwind CSS 带来的高效开发体验。
主要功能改进
新增 @weapp-tailwindcss/merge 支持
4.0.0 版本引入了全新的 @weapp-tailwindcss/merge 功能,这是专为小程序环境定制的 tailwindcss-merge 和 cva 方法实现。这一改进为开发者提供了更强大的工具来管理和合并 Tailwind 类名,特别是在复杂组件开发场景下。
重大变更
-
模块结构调整:移除了内置的
weapp-tailwindcss/postcss模块,开发者现在需要单独安装@weapp-tailwindcss/postcss包来使用相关功能。 -
替换机制优化:新增了
weapp-tailwindcss/escape模块来取代原有的weapp-tailwindcss/replace功能,提供了更安全可靠的转义处理。 -
项目架构升级:项目现在采用 monorepo 架构,将不同功能模块分离到独立的包中,提高了代码的可维护性和扩展性。
新增配置选项
4.0.0 版本增加了两个重要的配置选项,为开发者提供了更精细的控制能力:
-
ignoreTaggedTemplateExpressionIdentifiers:允许开发者指定需要忽略的模板字符串表达式标识符。 -
ignoreCallExpressionIdentifiers:提供了忽略特定调用表达式标识符的能力。
这些选项特别适合在复杂项目中,当需要排除某些特定模式不被转换时使用。
其他改进与修复
-
默认值优化:将
cssChildCombinatorReplaceValue的默认值从['view']扩展为['view', 'text'],更好地适应小程序开发的实际需求。 -
性能优化:移除了对
@babel/generator的依赖,简化了构建流程。 -
兼容性修复:解决了
loaderUtils.getOptions相关的问题,提高了工具的稳定性。 -
依赖更新:升级了项目依赖,确保使用最新的稳定版本。
总结
weapp-tailwindcss 4.0.0 版本带来了多项重要改进和新功能,特别是新增的 @weapp-tailwindcss/merge 支持和更灵活的配置选项,将显著提升开发者在小程序项目中使用 Tailwind CSS 的体验。虽然有一些破坏性变更,但这些改进为项目的长期发展奠定了更好的基础,建议开发者尽快升级以获得最佳开发体验。
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-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