ChuGins官方支持库使用与技术文档
1. 安装指南
1.1 预编译二进制文件
大多数ChuGins的预编译二进制文件已包含在ChuCK的macOS和Windows安装程序中。您可以在ChuCK官方网站下载最新版本。Linux用户(以及macOS和Windows的高级用户)可以从未源代码构建ChuGins。
1.2 从源代码构建
首先,克隆此仓库:
git clone --recurse-submodules https://github.com/ccrma/chugins.git
cd chugins
根据您的操作系统编译所有ChuGins:
- Linux: 运行
make linux - macOS: 运行
make osx - Windows: 使用Visual Studio解决方案
chugins.sln编译
可选地,(在Linux和macOS上,需要管理员权限) 安装ChuGins:
sudo make install
2. 项目使用说明
ChuGins是ChuCK音频编程语言的插件。在运行时,ChuCK或miniAudicle会加载ChuGins,通过添加类库和音频单元生成器(UGens)和单元分析器(UAnae)来扩展语言的功能。本仓库包含了由ChuCK团队及其 respective authors 在所有支持平台上(macOS、Linux、Windows)维护的多个ChuGins。
ChuGins会自动加载,当命令行chuck或miniAudicle启动ChuCK虚拟机时。一旦加载,ChuGins的内容可以直接在语言中使用。
要正确加载ChuGin,请确保:
- ChuGin版本与宿主版本兼容。
- ChuGin位于默认搜索目录之一,或明确指定,例如使用命令行上的
--chugin:<file>标志。
3. 项目API使用文档
有关已打包ChuGins的类库参考,请访问ChuCK官方文档。
4. 项目安装方式
请参考“安装指南”部分,了解如何从源代码或预编译二进制文件安装ChuGins。
ChuGins搜索路径
默认情况下,ChuGin加载器会递归搜索以下目录中的ChuGins(.chug)和ChuCK扩展(.ck)。可以通过命令行chuck的--chugin-path:<path>标志或在miniAudicle的“Preferences/ChuGins”选项卡中自定义这些搜索路径。
-
macOS:
/usr/local/lib/chuck /Library/Application Support/ChucK/chugins ~/Library/Application Support/ChucK/chugins ~/.chuck/lib -
Linux:
/usr/local/lib/chuck ~/.chuck/lib/
- Windows:
C:\Windows\system32\ChucK C:\Program Files\ChucK\chugins C:\Program Files (x86)\ChucK\chugins C:\Users%USERNAME%\Documents\ChucK\chugins
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 StartedRust072- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00