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。
kernelopenEuler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。C031
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