AGS项目在Ubuntu 24.04上的TypeScript编译问题解决方案
在Ubuntu 24.04系统上构建AGS项目时,开发者可能会遇到一个关于TypeScript编译器(tsc)路径识别的问题。这个问题表现为Meson构建系统无法正确找到位于node_modules/.bin目录下的TypeScript编译器。
问题现象
当执行meson install -C build命令时,系统会报错:
FAILED: src/tsc-output
node_modules/.bin/tsc --outDir /home/gg/git/ags/build/tsc-out
/bin/sh: 1: node_modules/.bin/tsc: not found
尽管node_modules目录确实存在于项目根目录下,并且tsc可执行文件也存在于node_modules/.bin中,Meson构建系统仍然无法正确识别这个路径。
问题分析
这个问题源于Meson构建系统在解析相对路径时的行为。默认情况下,Meson在构建目录中执行命令,而构建目录与项目根目录是分离的。当Meson尝试执行node_modules/.bin/tsc时,它会在构建目录下寻找这个路径,而不是项目根目录。
解决方案
经过开发者社区的探索,找到了以下有效的解决方案:
-
手动修改构建文件: 在运行
meson setup build后,可以编辑生成的build.ninja文件,手动将node_modules路径修改为相对项目根目录的正确路径(添加..前缀)。 -
更规范的解决方案: 更好的做法是在Meson构建配置中明确指定TypeScript编译器的完整路径。可以通过修改meson.build文件来实现:
tsc = find_program('../node_modules/.bin/tsc') -
全局安装TypeScript: 另一种解决方案是全局安装TypeScript编译器:
npm install -g typescript这样系统在任何位置都能识别tsc命令。
预防措施
为了避免类似问题,建议在项目文档中明确说明:
- 推荐使用npx来执行本地安装的TypeScript编译器
- 或者在构建脚本中明确设置PATH环境变量,使其包含项目本地的node_modules/.bin目录
总结
这个问题的本质是构建系统工作目录与项目目录的分离导致的路径解析问题。通过理解Meson构建系统的工作机制,开发者可以采取多种方式确保构建过程中能够正确找到所需的工具链。对于大型JavaScript/TypeScript项目与原生代码混合构建的场景,明确工具链路径是一个值得重视的工程实践。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00