Nx 20.8.0 版本发布:全面增强构建工具链与开发体验
Nx 是一个智能、快速且可扩展的构建系统,专注于现代前端和全栈应用的开发。它提供了强大的代码生成、任务调度和依赖管理能力,帮助开发者高效管理复杂项目。最新发布的 20.8.0 版本带来了多项重要更新,特别是在构建工具链、模块联邦和测试支持方面有显著增强。
核心构建工具链升级
本次版本在构建工具支持方面进行了多项改进。最值得注意的是为 Angular 应用生成器新增了 Rspack 打包器选项,这是对传统 Webpack 构建方案的重要补充。Rspack 作为新兴的高性能构建工具,能够显著提升构建速度,特别是在大型项目中表现尤为突出。
对于现有 Webpack 用户,新版本也做了重要修复。现在 Webpack 和 Rspack 构建都会正确遵循 output.clean 配置选项,确保构建目录的清理工作更加可靠。同时,Webpack 的基础配置现在默认启用了传统装饰器和元数据支持,提高了与旧有项目的兼容性。
模块联邦与微前端增强
React 生态的开发者将受益于新增的 Crystal 模块联邦支持。这一特性使得在微前端架构中,主机应用和远程模块的集成更加顺畅。模块联邦是现代前端架构中的重要模式,允许不同团队独立开发和部署应用模块,同时保持运行时的高效集成。
测试工具链全面更新
测试支持方面,20.8.0 版本带来了多项重要改进:
- 新增了对 Cypress v14 的完整支持,让端到端测试保持最新特性
- 修复了 Jest 测试中的模块系统问题,现在会强制使用 CommonJS 模块格式以确保兼容性
- 解决了 Cypress 任务运行时的环境变量问题,确保测试环境更加纯净可靠
依赖管理与项目配置优化
在依赖管理方面,新版本显著提升了处理复杂场景的能力:
- 改进了对 Yarn resolutions 和 patches 的支持,确保锁文件解析更加准确
- 增强了 TypeScript 路径映射的模式匹配能力,特别是在跨项目引用时更加可靠
- 优化了包导出中子路径模式的解析逻辑,构建依赖图更加精确
项目配置方面,现在允许在原子化目标中使用 glob 模式,为复杂构建场景提供了更大的灵活性。同时,错误处理机制得到加强,当项目配置出错时会记录更多上下文信息,便于问题排查。
开发者体验改进
针对开发者日常使用场景,20.8.0 版本做了多项体验优化:
- 图形化界面中的项目聚焦功能(--focus)现在可以正常工作
- Rust 代码现在能够正确处理空终端输出,提升了稳定性
- 在持续集成环境中运行时,不再执行同步生成器,避免不必要的操作
安全性与稳定性增强
安全性方面,本次更新包含了多项重要修复:
- 升级了 @swc/cli 版本以解决已知问题
- 更新了 Next.js 相关依赖以提升安全性
- 解决了 Webpack 版本兼容性问题,确保与 @angular-devkit 协同工作
稳定性方面,改进了文件工作进程的清理机制,确保在创建工作区上下文后资源能够正确释放。同时优化了原生文件的原子复制操作,避免了图形创建过程中的挂起问题。
总结
Nx 20.8.0 版本通过全面的工具链升级和问题修复,进一步巩固了其作为现代前端工程化解决方案的地位。无论是构建性能、模块化架构支持,还是开发者体验,都有了显著提升。特别是对 Rspack 的深度集成和对最新测试工具的支持,体现了 Nx 团队对技术趋势的敏锐把握。这些改进将帮助开发团队在保持开发效率的同时,构建更加健壮和可维护的应用程序。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C033
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
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