Bazel Skylib安装与使用指南
Bazel Skylib是一个强大的Starlark库,旨在提供给Bazel用户一系列实用功能,包括集合操作、路径处理、单元测试等功能。下面我们将详细介绍如何理解和使用这个项目。
1. 项目目录结构及介绍
Bazel Skylib的项目结构精心设计,便于扩展和维护:
-
lib: 核心模块所在目录,每个.bzl文件定义了一个“模块”,包含了相关联的函数或符号,方便作为单个单位加载。collections.bzl: 集合操作函数。dicts.bzl,partial.bzl,paths.bzl, 等等:分别处理字典、部分应用、路径管理等。
-
rules: 包含自定义的构建规则,如analysis_test,build_test等,增强Bazel的测试能力。 -
tests: 单元测试,用于确保库中提供的各项功能正确无误。 -
WORKSPACE,MODULE.bazel: 项目的外部依赖配置与Bzlmod设置文件,引导其他项目如何引入本库。 -
docs: 文档和说明,帮助开发者理解如何使用这些库和规则。 -
examples(虽然在引用内容中未直接提及,但通常此类项目会有示例目录): 可能包含使用Skylib功能的实例代码,帮助快速上手。
2. 项目的启动文件介绍
对于Bazel项目,没有传统意义上的“启动文件”。然而,要开始使用Bazel Skylib,关键在于将它集成到你的Bazel工作区中。这主要通过修改两个文件实现:
-
WORKSPACE(或MODULE.bazel): 引入Skylib作为依赖。早期版本通常通过HTTP Archive的方式添加依赖:
http_archive( name = "bazel_skylib", urls = ["https://github.com/bazelbuild/bazel-skylib/releases/download/..."], sha256 = "...", )对于支持Bzlmod的新版Bazel,则在
MODULE.bazel中加入:bazel_dep(name = "bazel_skylib", version = "特定版本号") -
若使用了2018年12月后发布的
unittest.bzl,还需在WORKSPACE文件中加载bazel_skylib_workspace()。
3. 项目的配置文件介绍
-
WORKSPACE 文件是Bazel工作区的配置中心,用于声明外部依赖。通过上述步骤,我们在其中添加对Bazel Skylib的引用。
-
BUILD 和 *.bzl 文件:在你的项目中,通过
load语句引用Skylib的模块,例如:load("@bazel_skylib//lib:paths.bzl", "paths") load("@bazel_skylib//lib:shell.bzl", "shell")这样就可以在你的构建逻辑中使用Skylib提供的功能了。
-
.bzlmod 或 MODULE.bazel (适用于Bazel 5及以上版本): 新型的依赖管理系统,简化了模块间的依赖声明方式,使得引入如Bazel Skylib这样的外部库变得更加直接。
为了成功集成并利用Bazel Skylib的功能,确保遵循其最新文档中的指导原则,并注意不同Bazel版本可能需要的特殊配置。这样,你就能充分利用Skylib来提升你的Bazel构建脚本的灵活性和效率。
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。C036
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0109
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