在dumi项目中配置less转css的解决方案
问题背景
在使用dumi构建文档站点时,开发者遇到了一个关于样式处理的问题:希望通过webpack配置将less文件转换为独立的css文件,但实际打包后并未生效。
问题分析
开发者最初尝试在dumi配置中使用chainWebpack方法,配置了MiniCssExtractPlugin来提取less样式为单独的css文件。配置代码看似正确,包含了必要的loader链和插件设置,但最终打包产物中并未生成预期的css文件。
解决方案
经过排查发现,正确的配置位置不在dumi的配置文件中,而应该在项目的father配置文件中进行设置。这是因为dumi项目通常基于father-build进行构建,样式处理的相关webpack配置需要在father的配置文件中进行修改。
技术要点
-
样式提取原理:在webpack构建过程中,样式文件需要通过特定的loader链进行处理。对于less文件,通常需要less-loader、css-loader和style-loader(或MiniCssExtractPlugin.loader)的组合。
-
配置优先级:在基于father-build的项目中,father的构建配置会覆盖dumi的部分webpack配置,因此样式处理的相关配置需要在father的配置文件中进行。
-
MiniCssExtractPlugin使用:该插件用于将CSS提取为单独的文件,而不是内联到JS中,这对于生产环境优化和缓存策略非常有用。
最佳实践建议
-
对于dumi项目的webpack定制,应先确认配置的生效位置,区分dumi配置和father配置的作用范围。
-
样式处理相关的配置建议统一在father配置文件中进行,避免配置冲突。
-
在修改webpack配置后,建议先清理构建缓存再进行测试,确保配置变更能够正确生效。
-
对于复杂的webpack配置需求,可以考虑将配置拆分为独立文件,通过require引入,提高可维护性。
通过理解构建工具链的配置层级和优先级,开发者可以更高效地解决类似问题,确保项目构建按预期进行。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00