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。
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-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
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