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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00