wxt项目v0.19.28版本发布:优化构建流程与兼容性增强
wxt是一个现代化的浏览器扩展开发工具链,它基于Vite构建系统,为开发者提供了高效、灵活的扩展开发体验。该项目通过简化配置、优化构建流程等方式,大大提升了浏览器扩展的开发效率。
核心改进
构建系统优化
本次发布的v0.19.28版本对构建系统进行了多项优化。首先解决了Vite构建过程中关于带后缀(?suffix)导入的文件变更检测问题,现在能够正确识别这类文件的修改并触发热重载。这对于使用特殊导入语法的开发者来说是个重要改进。
构建系统还修复了wxt模块的解析路径问题,现在会从项目根目录正确解析wxt相关模块,避免了之前可能出现的模块解析错误。
环境变量处理增强
针对.env环境变量文件的处理进行了修复,现在能够正确展开变量引用。例如,在.env文件中定义BASE_URL=/api后,再定义API_URL=${BASE_URL}/v1时,能够正确解析为/api/v1,解决了之前版本中变量展开失效的问题。
兼容性提升
版本升级支持了Vite 6.0.9及更高版本,保持与最新Vite生态的兼容性。同时移除了对manifest.json中manifest_version属性的错误支持,现在会忽略该配置并给出警告提示,引导开发者使用正确的方式指定manifest版本。
开发者体验改进
本次更新还包含多项开发者体验的优化。构建系统现在能够更准确地检测文件变更,特别是处理Vite的特殊导入语法时,确保开发过程中的热更新能够正常工作。
项目维护方面,开始使用PNPM 10的新特性来管理依赖关系,提升了依赖管理的效率和可靠性。同时也在package.json中添加了资助链接,方便社区支持项目发展。
总结
wxt v0.19.28版本虽然是一个小版本更新,但包含了多项对开发者实际工作流有实质性影响的改进。从构建系统的稳定性到开发体验的优化,都体现了项目团队对细节的关注。特别是对Vite最新版本的支持和环境变量处理的修复,使得开发者能够更顺畅地使用现代前端工具链开发浏览器扩展。
对于正在使用wxt的开发者来说,升级到这个版本将获得更稳定的构建体验和更好的开发效率。新用户也可以从这个版本开始,享受更加完善的浏览器扩展开发工具链支持。
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