Rsbuild v1.2.5 发布:原生运行时配置加载与Rspack持久化缓存支持
2025-06-19 08:01:00作者:贡沫苏Truman
Rsbuild 是一个基于 Rspack 和 Webpack 的现代化构建工具,它提供了开箱即用的构建能力,帮助开发者快速搭建和优化前端项目。Rsbuild 通过预设最佳实践,简化了构建配置的复杂性,同时保持了高度的可扩展性。
原生运行时配置加载
在 v1.2.5 版本中,Rsbuild 引入了原生运行时支持加载配置的功能。这意味着 Rsbuild 现在能够更高效地处理项目配置,特别是在大型项目中,配置加载的性能得到了显著提升。这项改进使得 Rsbuild 在启动时能够更快地读取和解析配置文件,减少了项目初始化时间。
Rspack 持久化缓存支持
本次更新的另一个重要特性是对 Rspack 持久化缓存的支持。持久化缓存可以显著提升构建速度,特别是在增量构建场景下。Rsbuild 现在能够利用 Rspack 的缓存机制,将构建过程中的中间结果缓存到磁盘,避免重复计算,从而加快后续构建的速度。
开发者可以通过配置启用这一功能,Rsbuild 还提供了实验性的缓存日志功能,帮助开发者了解缓存的命中情况,便于优化构建性能。
CLI 改进
Rsbuild 的命令行工具也得到了一些增强:
- 新增了
--base标志,允许开发者直接在命令行中指定项目的基础路径 - 创建新项目时默认使用 ESM 模块类型
- 改进了 CLI 文档结构,增加了常用标志部分,使开发者更容易找到所需信息
问题修复与优化
v1.2.5 版本还包含了一系列问题修复和优化:
- 修复了
server.base配置验证问题 - 修复了开发模式下
writeToDisk为 false 时的清理逻辑 - 修复了 Windows 平台上的原生配置加载器问题
- 修复了 Windows 平台上 Rsdoctor 包的加载问题
- 改进了缓存依赖项的 JSON 解析错误处理
- 优化了构建依赖项的验证逻辑,仅对 Webpack 进行验证
文档改进
文档方面也有多项改进:
- 新增了增量构建指南
- 修复了文档中的语法错误和格式问题
- 增加了关于如何在
modifyRspackConfig中访问 HTML 插件的说明 - 改进了 CLI 文档结构
总结
Rsbuild v1.2.5 通过引入原生运行时配置加载和 Rspack 持久化缓存支持,进一步提升了构建性能和开发体验。这些改进使得 Rsbuild 在处理大型项目时更加高效,同时也为开发者提供了更多优化构建流程的工具和选项。对于正在使用 Rsbuild 的开发者来说,升级到这个版本将能够享受到更快的构建速度和更稳定的构建体验。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218