maru 的安装和配置教程
2025-05-29 16:53:12作者:翟萌耘Ralph
1. 项目的基础介绍和主要的编程语言
Maru 是一种自托管的小型 Lisp 方言,它是一个符号表达式求值器,能够编译自己的实现到机器代码中。整个项目的代码量大约为 2000 行左右。Maru 特别强调在最低级别上的可塑性,目的是让任何特殊需求都能在平台上得到满足,而不是被排除在外。
该项目主要使用 C 语言进行编写,同时也使用了 Lisp 语言的一些特性。
2. 项目使用的关键技术和框架
Maru 的关键技术主要包括:
- 自托管编译:Maru 能够编译自己的实现到机器代码,这意味着它可以通过自己的编译器来编译自己,形成一个闭环。
- 符号表达式求值:这是 Lisp 语言的核心特性,用于处理和计算符号表达式。
- 跨平台支持:Maru 支持多种平台,包括 Linux、MacOS 等,通过不同的后端来生成特定平台的机器码。
3. 项目安装和配置的准备工作和详细的安装步骤
准备工作
在开始安装之前,请确保您的系统满足以下要求:
- 操作系统:Linux、MacOS 或其他支持 libc 的平台。
- 编译工具:安装 GCC 或 Clang 编译器。
- 对于 Linux 系统,可能还需要安装
gcc-multilib以支持 32 位编译。 - 对于 MacOS 系统,确保已安装 Xcode。
安装步骤
以下是在不同操作系统上安装 Maru 的详细步骤:
在 Debian 或 Ubuntu 系统上:
-
安装必要的编译工具和依赖:
sudo apt update sudo apt install make time rlwrap sudo apt install llvm clang sudo apt install gcc-multilib # 如果需要支持 32 位编译 -
克隆项目仓库:
git clone https://github.com/attila-lendvai/maru.git cd maru -
构建项目:
make test-bootstrap-x86
在 MacOS 系统上:
-
安装 Xcode 和 Homebrew(如果尚未安装):
xcode-select --install /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install.sh)" -
安装 LLVM:
brew install llvm echo export PATH="$(brew --prefix llvm)/bin:$PATH" >> ~/.bash_profile source ~/.bash_profile -
克隆项目仓库并构建:
git clone https://github.com/attila-lendvai/maru.git cd maru make test-bootstrap-x86
在其他平台上:
- 确保您的系统支持 libc 和 GNU 工具链或 LLVM。
- 克隆项目仓库:
git clone https://github.com/attila-lendvai/maru.git cd maru - 根据平台具体情况,调整构建命令和依赖安装。
完成以上步骤后,您应该能够成功安装并运行 Maru 项目。如果遇到任何问题,请参考项目的文档或在相关社区寻求帮助。
登录后查看全文
热门项目推荐
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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
454
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
893
677
暂无简介
Dart
802
199
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
350
205
昇腾LLM分布式训练框架
Python
118
147
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781