Rime Weasel输入法Windows平台编译指南
Rime Weasel是一款优秀的开源输入法框架,本文将为开发者详细介绍在Windows平台下编译Rime Weasel输入法的完整流程和注意事项。
环境准备
在开始编译前,需要准备以下开发环境:
-
Visual Studio 2019/2022:建议使用Enterprise或Professional版本,必须包含C++开发组件、MFC和ATL支持。Community版本需要额外安装ATL组件。
-
CMake 3.30.3或更高版本:用于项目构建配置。
-
Python 3.12.5或兼容版本:部分构建脚本依赖Python环境。
-
LLVM Clang-Format 18.1.6:代码格式化工具。
-
NSIS 3.10或更新版本:用于生成安装包,旧版本会导致构建失败。
-
Git for Windows 2.46.0:源代码版本控制工具。
构建步骤详解
1. 获取源代码
使用Git克隆Weasel项目仓库到本地开发环境:
git clone https://github.com/rime/weasel.git
2. 环境变量配置
将以下路径添加到系统PATH环境变量中:
- MSBuild.exe所在路径(默认位于Visual Studio安装目录下的MSBuild/Current/Bin)
- 项目output目录路径
3. Boost库准备
- 下载Boost 1.84.0版本源码
- 解压到weasel/deps目录下
- 修改env.bat文件(基于env.vs2019.bat),确保BOOST_ROOT路径指向正确的Boost安装位置
- 执行install_boost.bat脚本完成Boost库的安装
4. 依赖项安装
运行github.install.bat脚本,该脚本会自动处理项目所需的其他依赖项。
5. 数据构建
执行build.bat data命令,构建输入法所需的数据文件。
6. 最终构建
运行build.bat installer命令完成最终构建并生成安装包。
常见问题解决方案
1. 编译警告处理
在构建过程中可能会遇到以下警告,这些警告通常不会影响功能:
-
localtime函数警告:编译器建议改用localtime_s函数,这是微软推荐的安全编程实践,但旧实现方式仍然可用。
-
未使用变量警告:某些局部变量声明但未使用,可以忽略或后续优化代码。
-
版本API弃用警告:SystemTraySDK.cpp中使用了GetVersionExW等已弃用API,建议更新为现代实现方式。
2. 路径不匹配警告
构建时可能出现TargetPath与Linker's OutputFile属性不匹配的警告,这是由于项目配置中输出路径设置不一致导致的。虽然不影响功能,但建议统一项目配置中的输出路径设置。
3. NSIS脚本错误
如果遇到NSIS脚本错误,特别是"_If宏参数不足"的错误,这通常是由于NSIS版本过旧导致的。解决方案是升级到NSIS 3.10或更新版本。
ARM64架构支持
对于ARM64设备的支持,需要注意:
-
默认构建脚本针对ARM64架构,如需构建x86/x64版本,需要修改构建参数。
-
安装路径会根据系统架构自动选择:
- ARM64设备:Program Files
- x64设备:Program Files (x86)
-
最新代码已优化对ARM64架构的支持,可以直接在VS2022下编译通过。
构建结果验证
成功构建后,将在output目录下生成以下关键文件:
- weasel.ime:输入法核心模块
- WeaselServer.exe:输入法服务程序
- 完整的安装包
安装后可在系统输入法设置中添加Rime输入法,并在各类应用程序中测试输入功能是否正常。
通过以上步骤,开发者可以在Windows平台上成功构建Rime Weasel输入法,并根据需要进行定制开发。构建过程中遇到问题时,建议仔细检查环境配置和依赖项版本,确保与项目要求一致。
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