RSBuild v1.3.17 版本解析:性能优化与类型增强
RSBuild 是一个基于 Rspack 的现代化构建工具,它专注于提供高效的构建体验和出色的开发体验。作为 Web 构建领域的新星,RSBuild 通过深度集成 Rspack 等工具,为开发者提供了快速、灵活且易于配置的构建解决方案。
核心更新内容
Rspack 版本升级至 v1.3.9
本次更新将底层构建引擎 Rspack 升级到了 1.3.9 版本。Rspack 作为 Rust 实现的高性能打包工具,其每次版本迭代都带来了显著的性能改进和功能增强。对于开发者而言,这意味着更快的构建速度和更稳定的构建过程。
HTML 模板处理优化
团队对 html-rspack-plugin 进行了两次重要更新:
- 首先升级到 6.1.0 版本,带来了模板处理的性能提升
- 随后快速跟进到 6.1.2 版本,修复了模板解析相关的问题
这些改进特别有利于大型项目中 HTML 文件的处理效率,减少了开发者在模板修改后的等待时间。
Less 插件功能增强
针对 Less 预处理器的支持进行了多项改进:
- 扩展了 webpackImporter 类型,新增支持 'only' 选项,为样式导入提供了更精细的控制
- 通过 JSDoc 增强了 loader 选项的类型提示,使开发者在配置 Less 相关选项时能获得更完善的 IDE 支持
这些改进显著提升了使用 Less 作为 CSS 预处理器的开发体验,特别是在大型样式项目中的可维护性。
开发者体验优化
文档完善
更新了快速入门指南,新增了多值配置的示例说明。这对于初学者理解如何配置复杂选项特别有帮助,减少了配置时的试错成本。
测试覆盖增强
新增了 HTML 模板缓存相关的测试用例,确保了这一关键功能的稳定性。同时移除了开发过程中遗留的临时日志,保持了代码的整洁性。
技术细节
依赖更新
除了核心功能更新外,项目还同步更新了多个关键依赖:
- @rsdoctor/rspack-plugin 升级到 v1.1.0,提供了更好的构建诊断能力
- @shikijs/transformers 更新到 ^3.4.0,增强了代码高亮功能
- @rspack/plugin-react-refresh 升级到 1.4.2,优化了 React 组件的热更新体验
环境优化
移除了 watchpack 相关的环境变量,简化了项目的运行环境要求,降低了配置复杂度。
总结
RSBuild v1.3.17 虽然是一个小版本更新,但在构建性能、类型支持和开发者体验方面都做出了有价值的改进。特别是对 Less 预处理器的增强支持和 HTML 模板处理的优化,将直接提升前端开发者的日常工作效率。
对于正在使用 RSBuild 的团队,建议尽快升级以享受这些改进带来的好处。对于考虑采用 RSBuild 的新项目,这个版本进一步巩固了它作为现代化构建工具的选择价值。
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