Homebrew Emacs Plus 在 Linux 系统上的构建问题解析
在 Linux 系统上使用 Homebrew 安装 Emacs Plus 时,用户可能会遇到构建失败的问题。本文将深入分析这个问题的根源,并提供解决方案。
问题现象
当用户在 Linux 系统上尝试安装 Emacs Plus 30 版本时,构建过程会失败并显示错误信息:"uninitialized constant Formulary::FormulaNamespaceed0da82beb322f6c49ad12bd60f276ae70bb818aa18ea780f2e8ad4e2063af4b::EmacsPlusAT30::MacOS"。这个错误表明系统无法找到 MacOS 这个常量。
问题根源
这个问题的根本原因在于 Homebrew 4.4.0 版本引入的一个变更。在之前的版本中,MacOS 变量在非 macOS 系统上会被定义为一个虚拟变量。但在新版本中,这个变量在 Linux 系统上完全未定义,导致构建脚本中引用 MacOS 相关代码时出现错误。
技术背景
Homebrew 是一个最初为 macOS 设计的包管理器,后来扩展支持了 Linux 系统(称为 Linuxbrew)。由于历史原因,许多 Homebrew 公式(formula)都包含 macOS 特定的代码。在跨平台支持方面,Homebrew 提供了 OS.mac? 方法来检测当前系统是否为 macOS。
解决方案
正确的做法是将所有对 MacOS 的直接引用替换为条件检查。具体来说,应该使用 OS.mac? 方法来检测当前系统是否为 macOS,然后再进行版本检查。例如:
将原来的代码:
MacOS.version <= :mojave
修改为:
OS.mac? && MacOS.version <= :mojave
这种修改确保了代码只在 macOS 系统上执行 MacOS 版本检查,避免了在 Linux 系统上引用未定义的 MacOS 常量。
影响范围
这个问题主要影响:
- 在 Linux 系统上使用 Homebrew 安装 Emacs Plus 的用户
- 使用 Homebrew 4.4.0 或更高版本的用户
- 尝试安装带有特定选项(如 native-comp、imagemagick 支持)的 Emacs Plus 的用户
验证与测试
经过修复后,用户可以在 Linux 系统上成功构建和安装 Emacs Plus。构建过程会正确识别系统环境,跳过 macOS 特定的配置步骤,同时保留 Linux 系统所需的功能支持。
最佳实践
对于希望在 Linux 系统上使用 Homebrew 安装 Emacs 的用户,建议:
- 确保使用最新版本的 Homebrew
- 检查公式是否已经包含针对 Linux 的修复
- 如果遇到类似问题,可以检查公式中是否存在未加条件判断的 MacOS 引用
- 考虑使用专门为 Linux 优化的 Emacs 发行版作为替代方案
通过理解这个问题的技术背景和解决方案,Linux 用户现在可以更好地在 Homebrew 环境中管理他们的 Emacs 安装。
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