WXT项目v0.20.4版本发布:浏览器扩展开发工具的重要更新
WXT是一个现代化的浏览器扩展开发工具,它基于Vite构建,为开发者提供了高效、便捷的浏览器扩展开发体验。通过WXT,开发者可以快速构建跨浏览器的扩展程序,同时享受到现代前端开发工具链带来的便利。
版本亮点
增强功能
-
忽略popup/index.ts文件:新版本改进了对popup/index.ts文件的处理逻辑,现在当遇到这个文件时,WXT会智能地忽略它而不是报错,这为开发者提供了更友好的开发体验。
-
新增元素忽略属性支持:WXT现在能够识别并忽略带有
vite-ignore或wxt-ignore属性的元素。这个特性特别有用,当开发者需要临时排除某些元素不参与构建过程时,只需简单地添加这些属性即可。 -
新增模板变量:
{{packageVersion}}模板变量的加入让开发者能够在配置文件中直接引用package.json中的版本号,简化了版本管理流程。
问题修复
-
路径引用修正:修复了
PublicPath和browser.runtime.getUrl中缺失引号的问题,确保了路径引用的准确性。 -
Firefox CORS错误修复:解决了在Firefox浏览器中可能出现的跨域资源共享(CORS)错误,提升了扩展在Firefox上的兼容性。
技术细节解析
元素忽略机制
新版本引入的元素忽略机制基于属性识别,当WXT构建过程中遇到带有vite-ignore或wxt-ignore属性的元素时,会自动跳过这些元素的处理。这种机制为开发者提供了更精细的控制能力,特别是在处理复杂UI或需要条件编译的场景下特别有用。
模板变量扩展
{{packageVersion}}模板变量的引入体现了WXT对开发工作流的持续优化。开发者现在可以在manifest文件或其他配置文件中直接引用项目版本号,保持版本信息的一致性,避免了手动同步可能带来的错误。
Firefox兼容性改进
针对Firefox的CORS错误修复展示了WXT团队对不同浏览器特性的深入理解。浏览器扩展开发中,跨域问题是常见挑战之一,这一修复确保了扩展在Firefox上的稳定运行。
开发者建议
对于正在使用或考虑使用WXT的开发者,建议:
-
利用新的元素忽略特性来优化构建过程,特别是当项目中有需要条件排除的UI组件时。
-
迁移到使用
{{packageVersion}}模板变量来管理版本信息,这可以简化版本更新流程。 -
如果项目需要支持Firefox浏览器,建议升级到此版本以获得更好的兼容性。
WXT v0.20.4虽然是一个小版本更新,但这些改进和修复展示了项目团队对开发者体验的持续关注,使得浏览器扩展开发变得更加顺畅和高效。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00