MessagePack for CLI 使用与技术文档
一、安装指南
MessagePack for CLI 的二进制文件通过 NuGet 包 MsgPack.Cli 进行分发。安装步骤如下:
- 从 GitHub Release 页面 下载相应的 *.zip 文件。
- 解压下载的文件。
- 在
bin目录下可以找到相应的二进制文件(DLL)。对于 mono,可以使用net461或net35版本的二进制文件;对于 Unity,unity3d版本的二进制文件是合适的。
二、项目使用说明
MessagePack for CLI 是用于 CLI(Common Language Infrastructure)实现的序列化/反序列化库,例如 .NET Framework、Silverlight、Mono(包括 Moonlight)。这个库可以从所有符合 CLS(Common Language Specification)的语言中使用,如 C#、F#、Visual Basic、Iron Python、Iron Ruby、PowerShell、C++/CLI 等。
使用方法如下:
- 通过
MessagePackSerializer.Get泛型方法创建序列化器。此方法也会创建依赖类型的序列化器。 - 按以下方式调用序列化器:
- 使用
Pack方法将目标对象序列化到Stream中。 - 使用
Unpack方法从Stream中反序列化对象。
- 使用
// 创建序列化器。
var serializer = MessagePackSerializer.Get<T>();
// 将对象序列化到流中。
serializer.Pack(stream, obj);
// 从流中反序列化对象。
var unpackedObject = serializer.Unpack(stream);
' 创建序列化器。
Dim serializer = MessagePackSerializer.Get(Of T)()
' 将对象序列化到流中。
serializer.Pack(stream, obj)
' 从流中反序列化对象。
Dim unpackedObject = serializer.Unpack(stream)
在生产环境中,您应该实例化自己的 SerializationContext 并管理其生命周期。将 SerializationContext 视为单例是一个好主意,因为它是线程安全的。
三、项目API使用文档
详细的项目API使用文档,请参考 wiki。
四、项目安装方式
对于 .NET Framework
-
安装 Visual Studio 2017(社区版即可)和 2015(用于构建 MsgPack.Windows.sln)。
- 必须安装 .NET Framework 3.5、4.x、.NET Core 以及 Xamarin 开发工具以成功构建所有版本。如果不希望安装这些选项,可以在
*.csproj文件中编辑<TargetFrameworks>元素以排除不需要的平台。
- 必须安装 .NET Framework 3.5、4.x、.NET Core 以及 Xamarin 开发工具以成功构建所有版本。如果不希望安装这些选项,可以在
-
安装最新的 .NET Core SDK。
-
使用 Visual Studio 开发者命令提示符运行以下命令:
msbuild MsgPack.sln /t:Restore msbuild MsgPack.sln或者(对于 Unity 3D 版本):
msbuild MsgPack.compats.sln /t:Restore msbuild MsgPack.compats.sln或者(对于 Windows Runtime/Phone 版本和 Silverlight 5 版本):
msbuild MsgPack.Windows.sln /t:Restore msbuild MsgPack.Windows.sln或者(对于 Xamarin 单元测试,必须在局域网中的 Mac 机器上安装 Xamarin Business 或更高版本的许可证):
msbuild MsgPack.Xamarin.sln /t:Restore msbuild MsgPack.Xamarin.sln或者在你的 IDE 中打开上述解决方案文件,并在其中运行构建命令。
对于 Mono
- 安装最新的 Mono 和 .NET Core SDK。
- 现在,可以使用上述说明和最新的 Mono 中的
msbuild命令来构建 MsgPack.sln 和 MsgPack.Xamarin.sln。注意,xbuild不支持最新的 csproj 格式,因此无法使用。
Unity 3D 项目的自定义构建
首先,GitHub Release 页面上有二进制版本,应该使用它来节省时间。由于我们无法保证源代码组织的兼容性,可能会添加或删除非公共类型或成员,这可能会导致源代码构建中断。如果您要导入源代码,必须仅包含 MsgPack.Unity3D.csproj 中描述的内容。如果您要使用 ".NET 2.0 Subset" 设置,必须仅使用 MsgPack.Unity3D.CorLibOnly.csproj 文件,并定义 CORLIB_ONLY 编译器常量。
Xamarin Android 测试
如果在 Windows 上运行,建议使用 HXM 而不是基于 Hyper-V 的模拟器。可以通过以下命令在管理员权限的 PowerShell 中禁用 Hyper-V:
Disable-WindowsOptionalFeature -Online -FeatureName Microsoft-Hyper-V-Hypervisor
如果想要重新启用 Hyper-V(例如,为了在 Windows 上运行 Docker 等),可以在管理员权限的 PowerShell 中使用以下命令:
Enable-WindowsOptionalFeature -Online -FeatureName Microsoft-Hyper-V-Hypervisor
Xamarin Android 故障排除提示
- 问:Javac 显示编译错误。
- 答:重新构建测试项目,然后再次运行。
Xamarin iOS 测试
必须在您的 Mac 设备上创建供应配置文件。有关详细信息,请参阅 Xamarin 文档关于供应。
以下是当前 iOS 测试的束标识符:
org.msgpack.msgpack-cli-xamarin-ios-testorg.msgpack.msgpack-cli-xamarin-ios-test-packerorg.msgpack.msgpack-cli-xamarin-ios-test-unpackerorg.msgpack.msgpack-cli-xamarin-ios-test-unpackingorg.msgpack.msgpack-cli-xamarin-ios-test-timestamporg.msgpack.msgpack-cli-xamarin-ios-test-arrayserializationorg.msgpack.msgpack-cli-xamarin-ios-test-mapserialization
注意,一些基于反射的序列化器测试由于 AOT 相关限制而失败。
Xamarin iOS 故障排除提示
首先查看 Xamarin 的官方故障排除文档。
- 问:运行单元测试项目时发生错误。
- 答:重新构建项目并重新运行,或者重新登录您的 Mac,然后再次尝试。
- 问:英文难以阅读。
- 答:可以通过在 URL 路径中将
{region}-{lang}作为第一部分来阅读本地化的 Xamarin 文档,例如https://developer.xamarin.com/ja-jp/guides/...。
- 答:可以通过在 URL 路径中将
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