Mitosis项目发布0.5.24版本:增强构建配置与插件能力
Mitosis是一个创新的前端框架,它允许开发者编写一次组件代码,然后编译输出到多个目标框架(如React、Vue、Angular等)。这种"一次编写,多处运行"的理念大大提高了前端开发的效率,特别是在需要维护多框架代码库的场景下。
本次0.5.24版本的发布带来了几个重要的改进,主要集中在构建配置的灵活性和插件系统的增强上。这些改进使得Mitosis在复杂项目中的适应能力更强,同时也为开发者提供了更多自定义构建过程的可能性。
新增显式构建文件扩展名配置
新版本引入了explicitBuildFileExtensions配置项,这是一个非常有用的功能,特别是在处理具有特定命名模式的组件文件时。开发者现在可以在Mitosis配置中指定哪些文件应该保持特定的扩展名。
例如,你可能有一些专门为Figma设计的组件文件(如button.figma.lite.tsx),或者用于文档的组件(如card.docs.lite.tsx)。通过配置:
{
explicitBuildFileExtensions: {
".ts": /*.figma.lite.tsx/g,
".md": /*.docs.lite.tsx/g
}
}
你可以确保这些特殊用途的组件在构建后保持其原始的文件扩展名,这对于后续的自动化处理流程非常有帮助。这个特性特别适合那些需要将Mitosis集成到复杂构建系统中的团队。
增强插件系统能力
Mitosis的插件系统在这个版本中得到了显著增强,主要体现在两个方面:
-
新增构建类型插件:现在插件可以在CLI构建过程的前后执行自定义逻辑。这意味着开发者可以更灵活地控制构建流程,比如在构建前预处理某些文件,或者在构建完成后执行一些后处理操作。
-
组件插件数据:每个Mitosis组件现在都包含一个
pluginData对象,这个对象会在CLI构建过程中被填充。它包含了诸如构建目标、文件路径、输出目录等有用信息,插件可以利用这些信息做出更智能的决策。
pluginData?: {
target?: Target; // 构建目标框架
path?: string; // 文件路径
outputDir?: string; // 输出目录
outputFilePath?: string; // 输出文件路径
};
这些改进使得Mitosis插件能够更好地理解和操作构建上下文,为开发更强大的构建时工具奠定了基础。
修复状态变量在key属性中的问题
这个版本还修复了一个关于在Fragment的key属性中使用状态变量的问题。在之前的版本中,类似这样的代码:
<Fragment key={state.xxx + "abc"}...>
在React和Angular中的处理方式不一致:React会正确识别state.xxx,而Angular会缺少必要的this.前缀。这个修复确保了跨框架行为的一致性,减少了开发者在不同目标框架间切换时的困惑。
总结
Mitosis 0.5.24版本的这些改进,特别是构建配置和插件系统的增强,使得这个工具在复杂项目中的应用更加得心应手。显式文件扩展名配置解决了特殊命名文件的处理问题,插件系统的增强为构建流程的定制化打开了更多可能性,而框架间一致性的修复则进一步提升了开发体验。
这些变化体现了Mitosis项目对开发者实际需求的关注,也展示了它作为一个跨框架组件解决方案的成熟度正在不断提高。对于正在使用或考虑使用Mitosis的团队来说,这个版本值得关注和升级。
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