Rspack v1.3.0-beta.0 发布:支持配置继承与多项优化
Rspack 是一个基于 Rust 的高性能 JavaScript 打包工具,它结合了 Webpack 的丰富功能和 Rust 的高效性能。作为现代前端构建工具的新选择,Rspack 在保持与 Webpack 生态兼容的同时,提供了更快的构建速度和更低的资源消耗。
配置继承功能
本次发布的 v1.3.0-beta.0 版本中,最引人注目的新特性是支持了配置文件的继承功能。开发者现在可以在 rspack.config.js 中使用 extends 选项来继承其他配置文件或 npm 包中的基础配置。这一功能极大地提升了配置的可复用性和维护性,特别适合大型项目或多环境构建场景。
在实际应用中,你可以创建一个基础配置文件 base.rspack.config.mjs,然后在不同环境的配置文件中继承它,并根据需要覆盖或扩展特定配置。这种方式不仅减少了重复代码,还能确保不同环境间配置的一致性。
模块系统增强
Rspack 1.3.0-beta.0 在模块系统方面做了多项改进:
- 新增了对模块子类型的支持,允许在 JavaScript 端更精细地控制模块行为
- 实现了
module.generator.json.JSONParse功能,优化了 JSON 文件的处理流程 - 支持读取
NormalModule.loaders,为插件开发者提供了更多灵活性 - 改进了代码分割的增量构建性能,提升了开发体验
外部依赖解析增强
新版本增强了 externals 配置的功能,现在可以在 getResolve 回调中获取第三个参数,为复杂的外部依赖处理提供了更多上下文信息。这一改进特别适合需要精细控制外部依赖解析逻辑的高级场景。
错误处理与诊断改进
Rspack 团队对错误处理系统进行了重构,引入了 BuilderError 类型来更好地处理构建过程中的错误。同时,改进了诊断信息的显示方式,确保错误位置信息能正确转换为字符串形式,提高了错误信息的可读性。
性能优化
在性能方面,本次更新包含多项底层优化:
- 重构了异步任务处理机制,使用
future_scope来并行执行任务 - 移除了不必要的
async-scope依赖 - 优化了 Tokio 运行时的配置
- 改进了模块代码生成的异步处理流程
这些优化共同提升了 Rspack 的整体构建性能,特别是在大型项目中的表现。
开发者体验改进
除了核心功能的增强外,新版本还包含多项开发者体验的改进:
- 文档全面更新,特别是关于
publicPath和 AMD 模块的说明更加详细 - 新增了兼容 Webpack 的插件开发指南
- 测试覆盖率显著提升,新增了大量 Webpack 兼容性测试用例
- 构建系统优化,减少了不必要的依赖
总结
Rspack v1.3.0-beta.0 带来了多项重要更新,特别是配置继承功能的引入将显著提升大型项目的可维护性。模块系统的增强和性能优化进一步巩固了 Rspack 作为现代前端构建工具的地位。对于正在考虑从 Webpack 迁移的团队,这个版本提供了更好的兼容性和开发体验。
随着 Rust 在前端工具链中的普及,Rspack 正逐渐成为 Webpack 的有力替代方案。其出色的性能和持续的生态建设使其值得开发者关注和尝试。
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