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-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