Rspress v2.0.0-beta.9 版本发布:Markdown 处理优化与性能提升
Rspress 是一个现代化的静态站点生成器,专为技术文档网站设计。它基于 React 和 Rspack 构建,提供了出色的开发体验和构建性能。本次发布的 v2.0.0-beta.9 版本主要聚焦于 Markdown 处理能力的增强和性能优化。
Markdown 处理能力增强
原生支持 HTML 标签解析
新版本默认启用了 rehype-raw 插件,这意味着开发者现在可以直接在 Markdown 文件中使用 HTML 标签而无需额外配置。这一改进显著提升了内容编写的灵活性,使得在文档中嵌入自定义 HTML 元素变得更加方便。
代码块元数据处理优化
团队对代码块的元数据处理逻辑进行了重构。之前版本中,prism 语法高亮和代码块元数据处理存在一些兼容性问题。新版本通过引入 shiki 兼容的 metastring 属性,确保了不同语法高亮方案下元数据的一致性处理。
空块引用容错处理
修复了一个当 Markdown 中包含空块引用(>)时导致编译器崩溃的问题。现在系统能够正确处理各种边缘情况的块引用语法,提升了文档编写的健壮性。
性能优化
虚拟模块重构
对虚拟模块系统进行了重要重构,移除了单独的 virtual-routes-ssr 模块,将其功能统一整合到 virtual-routes 模块中。这一改动简化了模块结构,减少了不必要的代码分割,提升了构建效率。
主题包构建优化
@rspress/theme-default 主题包现在采用了 bundleless 的 dist 结构。这种构建方式减少了不必要的打包步骤,使得主题包的体积更小,加载速度更快。
其他改进
动态目录排除功能增强
改进了动态目录(TOC)的生成逻辑,现在可以正确识别和排除带有 .rspress-toc-exclude 类名的祖先节点。这一改进使得开发者能够更精确地控制目录生成的范围。
错误处理增强
在静态生成(SSG)过程中,改进了 Suspense 边界内的错误处理机制,现在能够正确暴露被隐藏的错误堆栈信息,显著提升了调试体验。
总结
Rspress v2.0.0-beta.9 版本通过一系列 Markdown 处理能力的增强和性能优化,进一步提升了文档编写的体验和网站的运行效率。这些改进使得 Rspress 在处理复杂文档结构时更加可靠,同时也为开发者提供了更大的灵活性。对于技术文档网站的建设者来说,这个版本值得升级体验。
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