Mitosis CLI 0.5.24版本发布:增强构建配置与插件能力
Mitosis是一个创新的前端框架,它允许开发者使用单一代码库生成适用于多个框架(如React、Vue、Angular等)的组件代码。这种"一次编写,多框架运行"的理念大大提高了开发效率,特别是在需要维护多个框架版本的项目中。
最新发布的Mitosis CLI 0.5.24版本带来了两项重要改进,进一步增强了构建配置的灵活性和插件系统的能力。这些改进使得开发者能够更精细地控制构建过程,并为插件开发提供了更多可能性。
显式构建文件扩展名配置
新版本引入了explicitBuildFileExtensions配置项,这是一个非常有用的功能,特别是在处理具有特定命名模式的组件文件时。通过这个配置,开发者可以精确指定某些匹配特定正则表达式的文件应该使用什么扩展名。
explicitBuildFileExtensions?: Record<string, RegExp>;
这种配置特别适合以下场景:
- 处理来自设计工具(如Figma)导出的组件文件(如
*.figma.lite.tsx) - 处理文档相关的组件文件(如
*.docs.lite.tsx) - 需要保持特定文件扩展名不变的特殊情况
增强的插件数据支持
新版本在MitosisComponent类型中新增了pluginData对象,这个对象会在CLI构建过程中被填充,为插件提供更多上下文信息:
pluginData?: {
target?: Target;
path?: string;
outputDir?: string;
outputFilePath?: string;
};
这些信息对于开发高级插件非常有用,例如:
- 根据目标框架(target)执行不同的转换逻辑
- 基于文件路径进行条件处理
- 获取输出目录和文件路径信息以执行额外操作
构建过程插件钩子
另一个重要改进是增加了build类型的插件钩子,允许开发者在CLI构建过程的前后执行自定义逻辑:
// 插件定义示例
{
build: {
before?: (options: BuildOptions) => void | Promise<void>;
after?: (options: BuildOptions) => void | Promise<void>;
}
}
这种扩展性使得开发者可以实现诸如:
- 构建前的环境检查和准备
- 构建后的资源处理和部署
- 构建过程的监控和报告
- 自定义的构建流程增强
实际应用场景
这些新特性在实际项目中有广泛的应用价值。例如,一个团队可能使用Figma导出的组件,并通过Mitosis转换为多个框架的代码。使用explicitBuildFileExtensions可以确保这些特殊组件保持正确的文件扩展名,而pluginData则可以帮助开发者在转换过程中根据目标框架添加特定的包装逻辑。
构建过程插件则可以实现自动化的工作流,比如在构建完成后自动将生成的组件发布到私有npm仓库,或者在构建前检查代码规范。
总结
Mitosis CLI 0.5.24版本的这些改进,进一步巩固了Mitosis作为跨框架组件开发解决方案的地位。通过提供更精细的构建控制和更强大的插件能力,开发者现在能够创建更复杂、更灵活的构建流程,满足各种特殊需求。这些特性特别适合大型项目和企业级应用,其中构建过程的定制化和自动化往往是提高开发效率的关键因素。
随着Mitosis生态系统的不断成熟,我们可以期待看到更多基于这些新特性的创新用法和插件出现,进一步推动"一次编写,多框架运行"理念的普及。
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