TIC-80 在 Linux 系统下的编译问题分析与解决方案
问题背景
TIC-80 是一款开源的虚拟计算机游戏开发环境,允许用户使用 Lua、JavaScript、Wren 等多种编程语言创建复古风格的 8 位游戏。在 Linux 系统(如 Linux Mint 22 和 Ubuntu 24.04 LTS)上编译 TIC-80 时,开发者可能会遇到编译失败的问题。
错误现象
在编译过程中,系统会报告以下关键错误信息:
/bin/sh: 1: RAKE-NOTFOUND: not found
gmake[2]: *** [CMakeFiles/mruby_vendor.dir/build.make:86: mruby_vendor-prefix/src/mruby_vendor-stamp/mruby_vendor-build] Error 127
这个错误表明编译过程中缺少了 rake 工具,导致 mruby(TIC-80 使用的 Ruby 实现)无法正确构建。
问题分析
TIC-80 的构建系统依赖于多个组件,其中包括:
- CMake:跨平台的构建系统
- mruby:轻量级 Ruby 实现
- rake:Ruby 的构建工具(类似于 make)
在 Linux 系统上,特别是新安装的系统或最小化安装的系统中,可能没有预装所有必要的开发工具。rake 是 Ruby 生态系统中的一个重要工具,用于执行构建任务。当系统缺少这个工具时,mruby 的构建过程就会失败,进而导致整个 TIC-80 编译失败。
解决方案
解决这个问题的方法很简单:安装 rake 工具。在基于 Debian/Ubuntu 的 Linux 发行版(包括 Linux Mint 和 Ubuntu)上,可以通过以下命令安装:
sudo apt install rake
安装完成后,重新运行编译命令即可:
cmake -DBUILD_SDLGPU=On -DBUILD_WITH_ALL=On -DBUILD_PRO=On -DBUILD_STATIC=ON -DCMAKE_BUILD_TYPE=MinSizeRel .. && cmake --build . --config MinSizeRel --parallel
深入理解
为什么 TIC-80 需要 rake 工具?这是因为:
- TIC-80 支持多种脚本语言,包括 Ruby(通过 mruby 实现)
- mruby 使用
rake作为其构建系统的一部分 - 当 TIC-80 从源代码构建时,它会尝试构建 mruby 作为其依赖项之一
其他可能的依赖问题
除了 rake 之外,在 Linux 系统上编译 TIC-80 还可能需要以下开发工具和库:
- 构建工具链:gcc/g++, make, cmake
- SDL2 开发库:libsdl2-dev
- 音频/视频相关库:libasound2-dev, libpulse-dev, libjack-dev
- 图形相关库:libgl1-mesa-dev, libgles2-mesa-dev
建议在编译前确保这些依赖都已安装。在 Ubuntu/Debian 系统上,可以使用以下命令安装基本开发工具:
sudo apt install build-essential cmake libsdl2-dev
编译优化建议
为了提高编译成功率和效率,可以考虑以下建议:
- 使用干净的构建目录
- 确保有足够的磁盘空间(至少 1GB 可用空间)
- 使用
--parallel参数利用多核 CPU 加速编译 - 在编译前运行
git submodule update --init --recursive确保所有子模块都已正确初始化
总结
在 Linux 系统上编译 TIC-80 时遇到的 RAKE-NOTFOUND 错误通常是由于缺少 Ruby 的构建工具 rake 导致的。通过安装这个工具可以解决编译问题。理解 TIC-80 的依赖关系和构建系统有助于开发者更好地解决类似问题,并为其他开源项目的编译提供参考。
对于想要在 Linux 系统上开发或修改 TIC-80 的开发者来说,熟悉这些构建依赖和常见问题的解决方法是非常重要的。这不仅能节省时间,也能帮助更深入地理解这个优秀开源项目的内部结构。
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