Encore项目v1.46.10版本发布:优化对TypeScript Monorepo的支持
项目简介
Encore是一个现代化的后端开发框架,它通过抽象基础设施的复杂性,让开发者能够专注于业务逻辑的实现。Encore支持Go和TypeScript两种语言,并提供从本地开发到云部署的全套工具链。本次发布的v1.46.10版本主要针对TypeScript monorepo项目进行了多项优化。
Monorepo支持改进
Docker构建流程优化
对于使用encore docker build构建自托管Docker镜像的场景,新版本做了以下改进:
-
工作目录设置:默认工作目录现在设置为应用根目录(对于Go应用,只有在
encore.app中设置bundle_source为true时才会有变化)。之前版本默认设置为/workspace。 -
TypeScript应用入口点调整:TypeScript应用的入口点现在改为进入应用根目录,而不是之前的
/artifacts/0/...路径。这一变化使得所有父级node_modules都能在模块解析时被考虑进来。 -
文件包含策略优化:
- 当
bundle_source设置为false时,如果应用是git仓库的一部分,现在只会包含应用根目录、所有父级node_modules和package.json文件(包括指向仓库内任何位置的符号链接目标)。 - 如果应用是git仓库的一部分且启用了源代码打包,现在会打包整个仓库而不仅仅是应用根目录。
- 当
Encore云部署改进
对于通过Encore云部署的应用:
-
子目录支持:如果应用位于git仓库的子目录中,该子目录现在会被用作应用的工作目录,这与本地
encore run的行为更加一致。 -
TypeScript应用打包选项:TypeScript应用现在支持将
bundle_source设置为false。在这种情况下,只会包含应用根目录和所有父级node_modules和package.json文件(包括指向仓库内任何位置的符号链接目标)。
新应用创建优化
对于新创建的Encore.ts应用,encore.app中不再默认将bundle_source设置为true,这有助于减小Docker镜像的体积。
其他改进
-
GraphQL教程修复:修复了TypeScript GraphQL教程中模式文件名不匹配的问题。
-
TypeScript工作区支持增强:提供了对TypeScript工作区更好的支持。
技术影响分析
这些改进对于使用monorepo架构的团队尤为重要。在monorepo中,多个项目共享相同的代码库和依赖管理,传统的构建方式往往会导致依赖解析问题或产生过大的构建产物。Encore的这些优化:
- 通过智能地包含必要的
node_modules和package.json文件,既确保了依赖解析的正确性,又避免了不必要的文件包含 - 工作目录的调整使得开发环境与生产环境更加一致,减少了"在我机器上能运行"的问题
- 对git仓库子目录的更好支持使得在大型代码库中组织多个Encore应用变得更加容易
对于已经部署的应用,这些变化是向后兼容的,不会影响现有功能。但对于新项目或准备重构的项目,可以考虑利用这些新特性来优化项目结构。
最佳实践建议
基于这些新特性,我们建议:
- 对于monorepo项目,考虑将
bundle_source设置为false以减少构建时间和镜像大小 - 确保符号链接指向的位置都在仓库内部,以保证它们能被正确包含
- 在大型项目中,合理组织子目录结构,利用Encore对子目录的支持来隔离不同应用
- 定期检查
node_modules结构,确保依赖解析路径符合预期
这些改进使得Encore在复杂项目结构中的适用性大大增强,特别是对于采用现代前端工程实践(如monorepo、工作区等)的团队来说,能够提供更顺畅的开发体验。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00