Rsbuild v1.3.7 版本发布:优化SVG处理与类型解析
Rsbuild 是一个基于 Rspack 的现代前端构建工具,它专注于提供高性能、开箱即用的构建体验。Rsbuild 通过深度整合 Rspack 的能力,为开发者提供了简单易用的配置方式和高效的构建流程,特别适合现代前端框架如 React、Vue 等的项目构建。
本次发布的 v1.3.7 版本虽然是一个小版本更新,但包含了一些重要的改进和修复,特别是在 SVG 资源处理和类型系统支持方面。这些改进将进一步增强开发者的使用体验和项目的稳定性。
SVG 资源处理优化
在之前的版本中,使用 SVGR 插件处理 SVG 资源时存在一个潜在问题:相同的 SVG 文件可能会生成不同的哈希值。这会导致构建结果不一致,可能影响缓存策略和部署流程。
v1.3.7 版本修复了这个问题,确保相同的 SVG 文件始终生成一致的哈希值。这一改进对于以下场景尤为重要:
- 构建一致性:在持续集成/持续部署(CI/CD)流程中,确保每次构建生成相同的输出
- 缓存策略:稳定的哈希值使得浏览器缓存策略更加可靠
- 协作开发:团队成员间共享相同的构建结果
类型系统增强
类型系统是现代前端开发中不可或缺的一部分,良好的类型支持可以显著提高开发效率和代码质量。本次更新针对类型解析做了两处重要改进:
- 预打包类型解析:修复了在某些情况下无法正确解析预打包类型定义的问题
- Webpack 类型兼容:解决了与 Webpack 类型定义可能存在的冲突问题
这些改进使得在 TypeScript 项目中使用 Rsbuild 更加顺畅,特别是在以下场景:
- 使用第三方库的类型定义时
- 在混合使用 Webpack 和 Rspack 配置的项目中
- 开发自定义插件或扩展构建功能时
文档更新与术语统一
除了代码层面的改进,本次更新还对文档进行了优化:
- 术语统一:将文档中的"项目"(project)术语统一为"应用"(application),以更准确地描述构建目标
- Rsdoctor 介绍更新:Rsdoctor 是 Rsbuild 生态中的诊断工具,文档对其功能和使用场景进行了更清晰的说明
这些文档改进有助于新用户更快上手 Rsbuild,并理解其核心概念和工具链。
依赖更新与维护
作为常规维护的一部分,本次更新包含了多项依赖升级:
- Rspack 升级至 v1.3.5 版本,带来底层构建引擎的性能改进和 bug 修复
- 多项开发依赖更新,包括构建工具和 CI/CD 相关组件
这些依赖更新确保了 Rsbuild 能够利用最新的工具链改进,同时保持高度的稳定性。
升级建议
对于现有项目,建议通过包管理器进行升级。对于使用 npm 的项目:
npm update @rsbuild/core
或者使用 yarn:
yarn upgrade @rsbuild/core
升级后,开发者可以享受到更稳定的 SVG 处理和更完善的类型支持。如果在升级过程中遇到任何问题,可以参考变更日志进行排查,或者回退到上一个稳定版本。
总的来说,Rsbuild v1.3.7 虽然是一个小版本更新,但在细节上的改进体现了项目对开发者体验的持续关注。这些看似微小的优化实际上对日常开发工作流有着实质性的提升。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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