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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00