6 月 12 日，年度 JavaScript 技術(shù)盛會 JS Nation 圓滿落幕。會上揭曉了多個重要獎項，表彰在生態(tài)創(chuàng)新、技術(shù)突破、開發(fā)效率和 AI 應(yīng)用等方向做出杰出貢獻(xiàn)的開源項目。以下是各獎項獲獎項目及提名名單。

年度突破獎

獲獎項目：Rolldown

獎項解讀： 表彰具有顛覆性、推動 JavaScript 生態(tài)前進(jìn)的新概念項目。

圖片

年度突破獎提名：

• Skip：聲明式后端框架，支持根據(jù)前端狀態(tài)變更進(jìn)行高效增量計算，僅需定義目標(biāo)狀態(tài)即可驅(qū)動后端邏輯。
• Rolldown：用 Rust 編寫的高速 JS/TS 打包器，兼容 Rollup API，兼具高性能與生態(tài)融合，未來將服務(wù)于 Vite 底層。
• transformers.js：支持在瀏覽器中直接運行 Hugging Face 模型，無需服務(wù)器，實現(xiàn)端側(cè) AI 推理。
• The Ember Polaris：Ember 的現(xiàn)代化重構(gòu)計劃，結(jié)合穩(wěn)定性與實驗性，旨在引入更廣泛的 JS 工具鏈理念。
• Oxc：Rust 編寫的高性能工具集，包含編譯器、Linter、解析器等模塊，致力于構(gòu)建現(xiàn)代 Web 工具鏈基礎(chǔ)設(shè)施。

最具技術(shù)想象力獎

獲獎項目：TanStack Form

獎項解讀： 表彰以技術(shù)創(chuàng)新拓展 JavaScript 表達(dá)力的項目。

圖片

提名項目：

• ts-blank-space：專注于快速剝離 TypeScript 類型的編譯器，適用于只需生成 JS 的構(gòu)建流程。
• H3：體積小巧、性能優(yōu)秀的 HTTP 框架，適用于服務(wù)端或無服務(wù)器環(huán)境，具備高度中間件可組合性。
• Brisa：現(xiàn)代全?？蚣?，倡導(dǎo)使用原生瀏覽器 API 與模塊化開發(fā)，強調(diào)漸進(jìn)式增強。
• Wasp：借鑒 Laravel 的理念，結(jié)合 React、Node.js 與 Prisma 的全棧開發(fā)框架，支持 DSL 與一鍵部署。
• Fontaine：構(gòu)建插件，可自動生成 Web 字體的 CSS fallback，降低字體加載引起的布局偏移。
• TanStack Form：高性能、類型安全、框架無關(guān)的表單狀態(tài)管理庫，支持 React、Vue、Solid、Angular、Lit 等多個主流框架。

開發(fā)效率提升獎

獲獎項目：Zod

獎項解讀： 表彰顯著提升開發(fā)者體驗與效率的工具或庫。

圖片

提名項目：

• Zod：TypeScript 優(yōu)先設(shè)計的模式驗證庫，支持類型推斷，廣泛應(yīng)用于數(shù)據(jù)解析、表單校驗等場景。
• happy-dom：純 JavaScript 實現(xiàn)的瀏覽器環(huán)境模擬器，用于 Node.js 中執(zhí)行 SSR 或前端測試。
• Stricli：基于 TypeScript 構(gòu)建的 CLI 框架，具備類型安全、懶加載和模塊化能力，適用于構(gòu)建企業(yè)級命令行工具。
• Crawlee：現(xiàn)代 Web 爬蟲庫，支持自動代理管理、反爬處理等，兼容 JavaScript 與 Python。
• Farm：Rust 編寫的超高速構(gòu)建工具，兼容 Vite 插件生態(tài)，專為并行化構(gòu)建和極致性能而設(shè)計。

AI 驅(qū)動創(chuàng)新獎

獲獎項目：Micro-agent

獎項解讀： 表彰將 AI 深度融入開發(fā)流程、推動智能化開發(fā)的新興項目。

圖片

提名項目：

• Micro-agent：由 Builder.io 發(fā)布的輕量級 AI 編程代理，可根據(jù)自然語言生成實際可用代碼。
• BrowseAI：運行于瀏覽器端、基于 WebGPU 的 LLM，無需服務(wù)器即可完成推理和生成，探索原生 AI 的可能性。
• Amurex：上下文感知的 AI 助理，可圍繞會議、郵件、知識庫等內(nèi)容自動構(gòu)建個性化工作體驗。
• Flowise：可視化 LLM 應(yīng)用構(gòu)建工具，通過拖拽式界面實現(xiàn)快速拼裝 AI 流程，適用于原型開發(fā)與非開發(fā)者用戶。
• Repomix：將完整代碼倉庫打包為 AI 可理解的文本結(jié)構(gòu)，優(yōu)化模型對項目上下文的感知能力，提升響應(yīng)質(zhì)量。