Repline:Haskell 的 GHCi 式 REPL 接口封装
2025-05-18 09:49:05作者:何将鹤
1. 项目介绍
Repline 是一个 Haskell 库,用于创建类似 GHCi 的 REPL(读取-执行-打印-循环)界面。它提供了一个稍微高级的封装,使得创建与普通 MTL(Monad Transformer Library)变换器可组合的 REPL monads 变得更加方便。Repline 的主要目的是减少重复实现相同接口的工作,并提供一组实用的工具,以便快速搭建 shell 界面。
2. 项目快速启动
首先,确保你已经安装了 Haskell 平台和 Cabal。以下是将 Repline 添加到你的项目并启动一个简单 REPL 的步骤:
# 克隆项目
git clone https://github.com/sdiehl/repline.git
# 进入项目目录
cd repline
# 编译项目
cabal update
cabal install
# 创建一个简单的 REPL
# 在 Haskell 文件中添加以下代码
```haskell
import Repline
main :: IO ()
main = repl
stack run
上述代码将启动一个简单的 REPL,你可以输入命令并看到输入的内容被打印出来。
## 3. 应用案例和最佳实践
以下是一些使用 Repline 的应用案例和最佳实践:
### 状态管理
Repline 支持使用 `StateT` monad transformer 添加状态管理功能。这对于实现依赖于内部状态的 tab completion 非常有用。
```haskell
type IState = Set String
type Repl a = HaskelineT (StateT IState IO) a
cmd :: String -> Repl ()
cmd input = modify $ \s -> Set.insert input s
comp :: (Monad m, MonadState IState m) => WordCompleter m
comp n = do
ns <- get
return $ filter (isPrefixOf n) (Set.toList ns)
Tab Completion
你可以为你的 REPL 添加 tab completion 功能。以下是一个简单的 tab completion 示例:
completer :: WordCompleter (HaskelineT IO)
completer n = do
let names = ["kirk", "spock", "mccoy"]
return $ filter (isPrefixOf n) names
命令处理
你可以定义命令来处理用户输入,例如帮助命令或执行特定操作的命令。
help :: [String] -> Repl ()
help args = liftIO $ print $ "Help: " ++ show args
say :: [String] -> Repl ()
say args = do
_ <- liftIO $ system $ "cowsay " ++ unwords args
return ()
4. 典型生态项目
Repline 是一个可以与其他 Haskell 库和工具配合使用的项目。以下是一些可能与之配合使用的典型生态项目:
haskeline:提供 readline 功能的库,是 Repline 依赖的核心库。mtl:Monad Transformer Library,提供了一系列用于组合 monads 的工具。stack或cabal:Haskell 的包管理工具,用于构建和依赖管理。
通过结合这些项目,你可以创建强大的交互式命令行应用程序,提供丰富的用户界面和功能。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
项目优选
收起
暂无描述
Dockerfile
764
4.98 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
683
1.33 K
Ascend Extension for PyTorch
Python
719
880
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
457
439
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++
1.08 K
1.1 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
305
118
昇腾LLM分布式训练框架
Python
178
221