RSBuild v1.3.0-beta.3 版本深度解析:CORS 配置优化与懒编译集成
RSBuild 是一个现代化的前端构建工具,基于 Rspack 构建引擎,旨在为开发者提供高效、灵活的构建体验。它继承了 Webpack 生态系统的丰富功能,同时通过创新的架构设计显著提升了构建性能。本次发布的 v1.3.0-beta.3 版本带来了多项重要改进,特别是在 CORS 配置和懒编译方面的增强。
核心特性解析
1. CORS 配置的重大改进
本次版本对服务器 CORS 配置进行了重要调整。开发者现在可以更精确地控制跨域资源共享策略,通过 server.cors 选项实现细粒度的配置。这一改进解决了之前版本中 CORS 配置可能被忽略的问题,确保了开发服务器能够正确处理跨域请求。
技术实现上,RSBuild 现在会严格遵循开发者提供的 CORS 配置对象,包括:
- 允许的源(origin)
- 支持的 HTTP 方法
- 允许的请求头
- 是否允许携带凭证等
这项改进属于破坏性变更,意味着之前依赖默认 CORS 行为的项目可能需要相应调整配置。
2. 原生支持资源文件的原始查询
新增了对资源文件原始查询(raw query)的支持,这是一个实用的功能增强。开发者现在可以通过特定查询参数直接获取资源的原始内容,而不需要经过额外的处理流程。
这一特性特别适用于需要直接获取文件原始内容的场景,例如:
- 直接引入文本文件内容
- 获取未经处理的二进制数据
- 特殊构建流程中的资源引用
3. 环境变量类型声明完善
TypeScript 用户将受益于对 import.meta.env 类型的增强声明。现在,构建时注入的环境变量会在类型系统中得到正确反映,提供了更好的开发时类型检查和智能提示。
这一改进使得环境变量的使用更加类型安全,减少了因拼写错误或类型不匹配导致的运行时错误。
性能优化
1. Rspack 懒编译中间件集成
本次版本集成了 Rspack 的懒编译(lazy compilation)中间件,这是一项重要的性能优化。懒编译技术可以显著提升开发服务器的启动速度,特别是在大型项目中效果更为明显。
懒编译的工作原理是:
- 只编译当前访问的路由相关代码
- 延迟编译未访问的模块
- 按需编译动态导入的代码块
这项优化使得开发者在开发过程中能够更快地进入工作状态,特别适合大型单页应用(SPA)项目。
开发者体验改进
1. 配置类型完善
对服务器配置类型进行了补充和完善,特别是 server.cors 的配置对象现在有了完整的类型定义。这意味着在使用 TypeScript 进行配置时,开发者可以获得更准确的类型提示和自动补全。
2. 中间件架构重构
对编译中间件进行了内部重构,使其架构更加清晰和模块化。这一内部改进虽然不会直接影响开发者使用,但为未来的功能扩展和维护打下了更好的基础。
升级建议
对于计划升级到 v1.3.0-beta.3 的开发者,需要注意以下几点:
- 如果项目中使用了自定义 CORS 配置,需要检查现有配置是否与新版本的行为一致
- 懒编译功能默认可能未启用,如需使用需要在配置中明确开启
- TypeScript 用户将自动获得更好的环境变量类型支持,无需额外配置
这个测试版展示了 RSBuild 在开发者体验和构建性能方面的持续改进,特别是对现代前端开发工作流的深度优化。团队可以评估这些新特性是否适合当前项目需求,并考虑在测试环境中进行验证。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C091
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00