QOwnNotes项目在Debian Sid和Ubuntu 25.10+上的构建系统变更分析
在近期QOwnNotes项目的开发过程中,开发团队遇到了一个重要的构建系统兼容性问题。这个问题源于Debian Sid和即将发布的Ubuntu 25.10版本中移除了对qmake构建工具的支持,导致项目在这些平台上的自动构建流程失败。
问题背景
QOwnNotes是一个基于Qt框架开发的跨平台笔记应用。长期以来,项目在Debian和Ubuntu系统上都是使用qmake作为主要的构建工具。然而,随着这些Linux发行版的更新,构建系统的支持发生了重大变化。
在Debian Sid(不稳定分支)中,cdbs构建系统不再包含qmake.mk文件,这意味着传统的qmake构建方式无法继续使用。同样的问题也出现在Ubuntu 25.10(代号"Questing")及后续版本中。
技术挑战
迁移到新的构建系统并非易事。开发团队最初尝试使用CMake替代qmake,但遇到了多个技术难题:
-
构建配置错误:在初步尝试中,CMake构建过程会因各种非描述性错误而中断,如返回码1的错误,但没有提供具体的失败原因。
-
文件安装路径问题:即使在成功编译后,构建系统无法正确找到和安装生成的可执行文件,导致打包过程失败。
-
翻译文件处理:项目中的多语言翻译文件在构建后没有被正确安装到预期的系统路径中。
-
脚本引擎依赖:在迁移到新构建系统后,发现脚本引擎功能所需的某些库未被正确包含在构建依赖中。
解决方案
经过多次尝试和调整,开发团队最终成功实现了构建系统的迁移:
-
全面转向CMake:放弃了传统的qmake构建方式,完全采用CMake作为新的构建系统。
-
构建配置优化:修正了CMake配置文件,确保所有必要的构建参数和路径设置正确。
-
依赖管理完善:仔细检查并添加了所有必要的库依赖,特别是脚本引擎功能所需的特殊依赖。
-
翻译文件路径修正:调整了翻译文件的安装路径,确保它们能被正确打包和安装。
-
多平台兼容性处理:针对不同的Linux发行版(Debian、Ubuntu、openSUSE、Fedora等)进行了特定的路径和配置调整。
影响范围
这一变更影响了以下平台和构建方式:
- Debian Unstable(Sid)的OBS构建
- Ubuntu 25.10及更高版本的PPA构建
- 所有使用Qt6版本的构建
对于最终用户而言,这意味着:
- Debian 12及更早版本仍可使用传统的qmake构建包
- Debian Unstable和Ubuntu 25.10+用户需要使用新的CMake构建包
- Qt6版本的构建现在完全基于CMake系统
用户建议
对于使用受影响系统的用户,建议:
- 检查所使用的系统版本和QOwnNotes的安装方式
- 按照官方文档更新安装源和依赖关系
- 如果遇到脚本功能问题,可能需要手动安装额外的依赖库
- 及时报告任何新发现的问题,特别是与脚本引擎相关的功能异常
这一构建系统的迁移虽然带来了短期的兼容性问题,但从长远来看,采用更现代的CMake构建系统将为项目带来更好的可维护性和跨平台兼容性。开发团队将继续监控新构建系统在各种平台上的表现,并做出必要的调整。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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
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