在复古计算中体验Genera Lisp机器
项目简介
Retrocomputing: Genera Lisp Machine 是一个独特的开源项目,它在Ubuntu 7.10操作系统内模拟运行OpenGenera(性能较低),利用了Vagrant,veewee和Chef进行自动化部署。虽然系统稳定性有待提高,但对偶尔探索的人来说已经足够。由于X11的一个特性在新版本中的更改,该项目选择了较旧的Ubuntu作为基础。
项目不直接提供Genera二进制文件,你需要准备一个名为opengenera.tar.bz2的bzip2压缩tar档案,其中包含notes/opengenera2.tar.list列出的文件。
更新与启动
如果需要更新,建议先销毁之前的虚拟机和Ubuntu 7.10基础镜像,通过执行make clean完成清理。
要启动虚拟机:
- 安装最新版VirtualBox
- 安装最新版Vagrant
- 安装veewee:
sudo gem install veewee - 运行
make && vagrant up
这将在VirtualBox中创建一个预设好的VM,并设置端口转发(2222 -> 虚拟机22, 5902 -> 虚拟机5901)。启动后,provision.sh会进行一些配置以安装Open Genera,并在VNC会话中运行。
配置并开始使用
登录打开的VNC服务器:
vnc://localhost:5902 密码 "genera"
如果启动不成功,可以尝试通过vagrant ssh -c restart-genera重新启动。
一旦成功启动,你会看到一个风格独特的文本界面,分辨率设定为原Symbolics 3600的1150x900。然后按照以下步骤进行设置:
"login Lisp-Machine"
"define site <Something Fancy>"
左键点击“Namespace Server Name”的值,改为"genera"
左键点击“Unix Host Name”的值,改为"genera-host"
左键点击"<end> uses these values"(或输入<End>)
如果提示,按回车匿名登录
":reset network"
探索之旅
查看TOUR.md,获取快速入门的用户指南。
注意事项
不要尝试使用“Save World”,因为保存可能失败,即使成功也难以恢复。然而,VirtualBox提供了暂停、恢复和快照功能,实际上比原始机制更强大。
阅读更多
深入了解项目,请访问: http://www.textfiles.com/bitsavers/pdf/symbolics/

这个项目让你有机会重新体验历史上的Lisp机器环境,感受早期的图形化编程体验。无论你是技术史爱好者,还是想探索古董软件的工作原理,这个项目都值得你一试。准备好踏足过去,挖掘那些被时光封存的技术瑰宝吧!
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