Rsbuild v1.2.8 版本发布:优化构建缓存与资源预加载
Rsbuild 是一个现代化的前端构建工具,它基于 Rspack 和 Webpack 构建,旨在为开发者提供高性能、易配置的构建体验。Rsbuild 通过预设最佳实践和开箱即用的功能,帮助开发者快速搭建高效的前端项目构建流程。
在最新发布的 v1.2.8 版本中,Rsbuild 团队带来了一系列实用功能改进和问题修复,进一步提升了开发体验和构建效率。让我们一起来看看这个版本的主要更新内容。
构建缓存依赖管理增强
Rsbuild v1.2.8 引入了 buildCache.buildDependencies 配置项,这是一个重要的功能增强。在大型项目中,构建缓存是提升开发效率的关键因素,但有时候缓存失效机制不够精确,导致开发者需要手动清除缓存。
新版本允许开发者显式声明构建依赖关系,当这些依赖发生变化时,构建缓存会自动失效。例如,当项目中的配置文件或工具链版本更新时,可以确保构建系统能够感知这些变化并重新构建相关部分,而不需要开发者手动干预。
资源预加载功能优化
资源预加载是现代前端性能优化的重要手段之一。v1.2.8 版本改进了预加载链接的生成逻辑,现在支持为重复资源生成预加载链接。这意味着即使同一个资源在多个地方被引用,系统也会为其生成适当的预加载提示,帮助浏览器更早地发现和加载关键资源。
开发者体验提升
本次更新还包含多项开发者体验的改进:
-
开发服务器实例现在可以通过
onBeforeStartDevServer钩子获取,为开发者提供了更大的灵活性,可以在服务器启动前进行自定义配置。 -
文件大小报告现在会排除
.d.ts类型声明文件,使得构建输出的分析更加准确和聚焦于实际会影响运行时性能的资源。 -
修复了 gzip 压缩后文件总大小的计算问题,确保构建统计信息的准确性。
-
改进了 ESM 模块加载逻辑,移除了对
.mjs后缀的硬性检查,使得模块解析更加灵活。
构建工具链优化
在底层依赖方面,v1.2.8 版本也进行了多项优化:
- 移除了不必要的
@babel/preset-env依赖,简化了工具链 - 更新了 Webpack 到 5.98.0 版本
- 更新了 Svelte 到 5.20.0 版本
这些更新确保了 Rsbuild 能够利用最新的构建工具特性和性能改进。
总结
Rsbuild v1.2.8 版本虽然在功能上没有重大突破,但在构建缓存管理、资源预加载和开发者体验等方面都做出了有价值的改进。这些优化使得 Rsbuild 在保持轻量级的同时,能够更好地满足复杂项目的构建需求。
对于正在使用 Rsbuild 的开发者来说,升级到这个版本可以获得更精确的缓存失效机制、更完善的资源预加载支持,以及更准确的构建分析数据。这些改进将有助于提升开发效率和最终应用的性能表现。
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-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00