Google Jsonnet 项目中的 Python Bazel 规则迁移指南
在 Google Jsonnet 项目中,随着 Bazel 8.0.0 版本的发布,Python 相关的构建规则如 py_runtime 和 py_runtime_pair 已经从 Bazel 核心功能中移除。这一变化要求项目开发者需要将这些规则从 rules_python 仓库中导入,而不是继续依赖 Bazel 内置的支持。
背景与变化
Bazel 8.0.0 版本对 Python 支持进行了重构,将 Python 相关的构建规则从核心功能中剥离出来,转移到了独立的 rules_python 仓库。这一变化是 Bazel 模块化战略的一部分,旨在减少核心功能的体积,同时提高特定语言支持的灵活性和可维护性。
对于 Jsonnet 项目来说,这意味着需要更新构建配置,以显式地依赖 rules_python 仓库来获取 Python 构建支持。虽然 Bazel 8.0.0 仍然提供了临时兼容性支持,可以通过标志启用这些规则,但这种支持将在下一个主要版本中被完全移除。
解决方案
项目可以采用两种主要方式来解决这个问题:
方案一:直接导入 rules_python
开发者可以直接从 rules_python 仓库导入所需的 Python 构建规则。这种方式保持了与之前相似的构建逻辑,只是改变了规则的来源。
方案二:使用 Hermetic 工具链
更现代的解决方案是使用 rules_python 提供的 hermetic 工具链功能。这种方法提供了更好的隔离性和可重复性,是 Bazel 生态推荐的 Python 构建方式。
配置示例需要在 MODULE.bazel 文件中声明对 rules_python 的依赖,并设置相应的 Python 版本工具链。同时,需要更新 BUILD 文件中的依赖关系,将原来的 Python 头文件依赖替换为 rules_python 提供的当前 Python 头文件。
实施建议
对于 Jsonnet 项目,采用 hermetic 工具链方案更为推荐,因为它:
- 提供了更好的构建隔离性
- 简化了 Python 版本管理
- 符合 Bazel 的最佳实践
- 可以移除项目中原有的平台定义文件和 Python 仓库构建定义
实施这一变更后,项目将获得更稳定和可维护的 Python 构建支持,同时也为未来的 Bazel 版本升级做好了准备。
总结
Bazel 8.0.0 对 Python 支持的改变是构建系统演进的一部分,虽然需要项目进行一些调整,但最终会带来更好的模块化和可维护性。Jsonnet 项目团队应当优先考虑采用 hermetic 工具链方案,这不仅解决了当前的问题,也为项目的长期健康发展奠定了基础。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00