Tufão 技术文档
一、安装指南
在安装 Tufão 前,请确保您的系统中已安装了 Qt 和 CMake,并且它们的执行路径已添加到环境变量中。以下是安装 Tufão 的步骤:
-
获取依赖项:
$ git submodule update --init -
创建一个构建文件夹,并从该文件夹中执行以下命令:
$ cmake OPTIONS path_to_source_dir $ make MAKEOPTIONSOPTIONS可以是以下值的组合:-DCMAKE_INSTALL_PREFIX=${INSTALLDIR}:设置安装 Tufão 的目录。-DCMAKE_BUILD_TYPE=Debug、Release、RelWithDebInfo、MinSizeRel:设置构建类型。-DLIB_SUFFIX=${LIB_SUFFIX}:设置安装目录的后缀。-DGENERATE_DOC=YES:生成文档。-DENABLE_TESTS=YES:生成并运行测试。
对于 Windows 系统,还可以使用以下选项:
-G"MinGW Makefiles":为 MinGW 环境生成 Makefiles。-G"Visual Studio 10":为 Visual Studio 10 生成项目文件。
MAKEOPTIONS可以包含以下值:install:安装 Tufão。DESTDIR=${PKGDIR}:设置安装目录。
示例:
$ cmake -DCMAKE_INSTALL_PREFIX=/usr $ make DESTDIR=pkg install -
若要创建 CPack-based 安装程序,只需运行以下命令:
# 创建二进制分发: cpack -C CPackConfig.cmake # 创建源分发: cpack -C CPackSourceConfig.cmake # 创建 Windows NSIS-based 安装程序: cpack -GNSIS
二、使用说明
文档生成
要生成文档,请使用 Doxygen,并使用 Doxyfile 作为配置文件。生成的文档将位于 doc 文件夹中。文档格式包括:
- HTML:始终生成,位于
doc/html文件夹。 - LaTeX:可以生成 PDF,只需在
doc/latex文件夹中运行make命令。 - Qt 压缩帮助文件:如果系统中存在
qhelpgenerator工具,则该文件会在运行 Doxygen 时生成,位于doc/qch/tufao.qch。
测试
Tufão 包含了大量的测试代码,基于 QTestLib,用于验证代码的正确性。可以通过以下命令运行测试:
make tests
或者,如果不使用 Makefiles:
ctest
在 Visual Studio 中,会创建一个 _RUN_TESTS_ 目标。
CTest 可以与 CDash 集成,允许开发者集中管理测试结果。您可以通过运行以下命令将测试结果发送到 CDash:
make Experimental
您可以在 Tufão CDash 项目页面 查看测试日志。
安装
默认的安装前缀是 /usr/local,如果您不打算更改它,只需在构建完成后运行以下命令:
# make install
若要安装到不同的前缀,请运行:
$ cmake -DCMAKE_INSTALL_PREFIX=${DESTDIR}
$ make install
注意:根据您的系统,安装后可能需要运行 ldconfig。
用法
要在 Qt 项目中使用 Tufão,请编辑您的 .pro 文件并添加以下行:
CONFIG += C++11 TUFAO1
您可以在 examples 文件夹中找到一些示例。
如果您计划在 OS X 上使用 Tufão,则还需要添加以下行(根据一些用户的报告):
QMAKE_MACOSX_DEPLOYMENT_TARGET = 10.7
Tufão 也支持 PKG-CONFIG。其模块名称为 tufao1。
如果要在其他构建系统中使用 Tufão,只需添加编译器选项 -ltufao1。
您还可以在 QtAssistant 中查看 Tufão 文档。
三、项目 API 使用文档
Tufão 的 API 文档可在其 GitHub 页面上找到,包括类的详细描述、方法和属性。文档以 HTML 格式提供,方便用户查看和搜索。
四、项目安装方式
Tufão 的安装方式已在“安装指南”部分详细说明,主要包括使用 CMake 和 Make(或 Visual Studio)进行构建和安装。用户可以根据自己的操作系统和环境选择合适的安装方法。
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-7BSpark-Prover-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-7BSpark-Formalizer-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).Dockerfile014
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