Web Platform Tests项目新增Clear-Site-Data对预渲染和预取的交互规范
Web Platform Tests(简称WPT)是一个开源的跨浏览器测试套件,用于验证Web平台规范的实现一致性。该项目由W3C和浏览器厂商共同维护,包含了大量针对HTML、CSS、JavaScript等Web技术的测试用例。
最近WPT项目合并了一个重要的变更,主要涉及Clear-Site-Data头部对预渲染(prerender)和预取(prefetch)行为的交互规范。这个变更对于Web开发者理解缓存控制机制具有重要意义。
当前实现与问题
在当前实现中,当使用Clear-Site-Data头部并指定"cache"值时,系统会同时取消预渲染和预取操作。这种一刀切的做法虽然简单,但缺乏灵活性,无法满足开发者对缓存控制的精细化需求。
预渲染和预取是两种不同的优化技术:
- 预渲染:提前加载并渲染整个页面,当用户实际访问时可以立即展示
- 预取:仅预先获取资源,但不执行渲染
这两种技术虽然都涉及缓存,但在使用场景和资源消耗上有明显区别,因此需要更细粒度的控制方式。
新增功能特性
为解决上述问题,本次变更引入了两个新的Clear-Site-Data值:
- "prerenderCache":专门用于清除预渲染缓存
- "prefetchCache":专门用于清除预取缓存
这种设计允许开发者根据实际需求选择性地清除特定类型的缓存,而不会影响其他缓存内容。例如,当只需要更新预取资源而不干扰预渲染页面时,可以仅使用"prefetchCache"值。
实现细节与兼容性考虑
为确保平稳过渡,这一变更将首先通过特性标志ClearSiteDataPrefetchPrerenderCache进行控制,默认处于禁用状态。这种渐进式发布策略允许浏览器厂商和开发者有足够时间进行测试和适配。
在底层实现上,浏览器需要:
- 解析新的Clear-Site-Data值
- 针对不同值执行对应的缓存清除操作
- 保持与现有"cache"值的向后兼容性
对开发者的影响
这一变更将为Web开发者带来更精细的缓存控制能力,特别是在以下场景中尤为有用:
- 需要单独刷新预取资源而不影响预渲染页面
- 仅需更新预渲染内容而保留预取缓存
- 针对不同用户群体实施差异化的缓存策略
开发者现在可以根据具体业务需求,选择最合适的缓存清除策略,从而在性能优化和资源更新之间取得更好的平衡。
未来展望
随着Web应用变得越来越复杂,对缓存控制的需求也将更加精细化。本次变更只是第一步,未来可能会引入更多针对特定场景的缓存控制选项。Web开发者应当关注这些变化,以便充分利用浏览器提供的最新功能来优化用户体验。
同时,浏览器厂商也需要确保这些新特性的实现符合规范,并在不同浏览器间保持一致行为,这正是Web Platform Tests项目存在的意义所在。
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