Maru 开源项目最佳实践教程
2025-05-29 19:27:19作者:蔡怀权
1. 项目介绍
Maru 是一个自托管、极简的 Lisp 方言编程语言。它包含一个符号表达式求值器,能够将其自身实现编译为机器代码,总共大约 2000 行代码。Maru 旨在在最低级别上具有可塑性,以便任何特殊需求都可以在平台上轻松容纳,而不是被排斥。
该项目也是一个探索引导和计算系统开发的领域。项目的主要驱动是清晰、正式地表达通常被视为黑魔法的内容:在一种语言之上引导另一种语言。
2. 项目快速启动
以下是快速启动 Maru 项目的步骤:
首先,确保你的开发环境中安装了必要的依赖:
-
对于基于 Debian 的系统,运行以下命令安装依赖:
sudo apt install make time rlwrap sudo apt install llvm clang sudo apt install gcc-multilib -
对于 MacOS 系统,你需要安装 XCode 和 Homebrew,然后使用 Homebrew 安装 LLVM:
xcode-select --install /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install.sh)" brew install llvm echo export PATH="$(brew --prefix llvm)/bin:$PATH" >> ~/.bash_profile source ~/.bash_profile
然后,克隆项目仓库并编译测试:
git clone https://github.com/attila-lendvai/maru.git
cd maru
make test-bootstrap-x86 # 默认使用 libc 平台
# 或者指定平台进行编译测试
make PLATFORM=[libc,linux] test-bootstrap[-llvm,-x86]
3. 应用案例和最佳实践
-
构建自托管环境:Maru 的设计初衷之一就是自托管,因此,一个最佳实践是尝试在新的架构上引导 Maru,并将其作为种子来构建整个计算系统。
-
模块化开发:在开发过程中,尽量将代码模块化,这样可以更容易地在不同的阶段重用和引导代码。
-
编写清晰的文档:为了便于其他人理解和贡献,编写清晰、详细的文档是非常重要的。
-
持续集成:使用自动化测试和构建过程来确保代码质量和项目的持续可构建性。
4. 典型生态项目
目前,Maru 主要是作为一个探索性的项目,它并没有一个广泛的生态。但是,以下是一些可能的生态项目:
-
教育工具:由于 Maru 的极简主义设计,它可以用作教学编程和语言设计的工具。
-
嵌入式系统:由于 Maru 可以编译为机器代码,它可能适用于需要在嵌入式系统中运行的自定义语言。
-
平台抽象:Maru 的跨平台设计意味着它可以用作在不同系统之间提供统一编程接口的抽象层。
通过遵循上述最佳实践,开发者和使用者可以更好地利用 Maru 项目,并在开源社区中促进其健康发展。
登录后查看全文
热门项目推荐
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 开源电子设计自动化利器:KiCad EDA全方位使用指南 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库
项目优选
收起
deepin linux kernel
C
24
8
暂无简介
Dart
643
149
Ascend Extension for PyTorch
Python
203
219
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
654
282
React Native鸿蒙化仓库
JavaScript
248
317
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.13 K
631
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
77
100
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
仓颉编程语言运行时与标准库。
Cangjie
134
873