Emacs 构建脚本技术文档
本文档将为您提供详细的指南,帮助您使用 Emacs 构建脚本,包括安装、使用说明以及 API 使用文档。
1. 安装指南
硬件要求
脚本模块化设计,可在多台构建机器(或虚拟机)上运行,并与持续集成服务器(emacsformacosx.com 上的构建使用 Jenkins)集成。这意味着您可以根据可访问的架构进行构建。
请注意,由于 "unexec" 步骤需要运行构建的二进制文件,因此目前无法进行交叉编译 Emacs。如果您想构建旧架构(如 PowerPC),则需要在实际可以执行该架构二进制的系统上运行。
XZ
最近的 Emacs 预测试版本以 .tar.xz 格式分发。fetch-emacs-from-ftp 脚本会将 .xz 转换为 .tar.bz2,以便在每台构建机器上不需要安装 XZ。但是,运行 fetch-emacs-from-ftp 的机器上需要安装 "xz" 程序。最简单的方法是通过 Homebrew 安装:brew install xz。
XCode 命令行工具
构建 Emacs 需要安装 XCode 命令行工具,以便某些库(至少包括 libxml2)可用。
xcode-select --install
目前,Homebrew 为内置的 libxml2 安装了 pkg-config 定义,但在较新版本的 MacOS(至少是 10.14)上默认不存在这些路径。症状是出现以下错误:
CC xml.o
xml.c:26:10: fatal error: 'libxml/tree.h' file not found
#include <libxml/tree.h>
^~~~~~~~~~~~~~~
1 error generated.
要修复它,运行以下命令:
sudo installer -pkg /Library/Developer/CommandLineTools/Packages/macOS_SDK_headers_for_macOS_10.14.pkg -target /
Rust
启动器现在使用 Rust 编写,而不是 Ruby。要构建它,您需要安装 Rust。Rust cargo 调用包装在 Makefile 中,该文件编译 x86_64 和 aarch64,然后使用 Apple 的 lipo 将它们组合成一个胖二进制文件。这要求您为 x86_64 和 aarch64(Apple Silicon)安装了 Rust 编译器目标:
-
在
aarch64(Apple Silicon)机器上:rustup target add x86_64-apple-darwin -
在 x86_64(Intel)Mac 上:
rustup target add aarch64-apple-darwin
Ruby
macOS 10.12 的系统 Ruby(ruby 2.3.7p456)应该能够运行这些脚本。如果您在较旧的 macOS 上尝试构建,可能需要安装更新版本的 Ruby。
2. 项目的使用说明
以下是三个脚本的用法,它们设计用于从某种持续集成软件中运行(emacsformacosx.com 上的构建使用 Jenkins)。所有三个脚本都支持 --verbose 命令,如果给出该命令,它们会输出详细的信息。
fetch-emacs-from-ftp
此脚本接受 ftp url(例如 ftp://ftp.gnu.org/gnu/emacs/),并下载该位置上可用的最新版 Emacs 源代码。它还会将源代码从 .tar.xz 转换为 .tar.bz2(以便主构建虚拟机不需要安装 "XZ")。
build-emacs-from-tar
这是主要的构建脚本。它接受一个 tar 文件和一个 "kind"(pretest、nightly 或 release)作为输入,解压缩 tar 文件,为单一架构构建,然后压缩生成的 Emacs.app 文件。
您可以使用 --arch 选项指定除默认架构之外的架构(--arch=powerpc 或 --arch=i386)。
Rust 启动器
要编译 Rust 启动器(combine-and-package 所需):
```
make
```
combine-and-package
此脚本接受多个 tar 文件作为输入,解压缩并将它们组合成最终的 "fat" Emacs.app,然后创建最终的磁盘映像(.dmg)。它接受一个可选的 --sign 参数(--sign="my identity"),用于对 Emacs.app 进行代码签名。
示例
```
$ ./fetch-emacs-from-ftp -v ftp://ftp.gnu.org/pub/gnu/emacs
+ curl --continue-at - --silent -O ftp://ftp.gnu.org/pub/gnu/emacs/emacs-25.1.tar.xz
shell(#<Th:0x007febed8a48b0>): /usr/local//brew//bin/xzcat emacs-25.1.tar.xz
shell(#<Th:0x007febed8a48b0>): /usr/bin/bzip2
$ ls *.bz2
emacs-25.1.tar.bz2
$ ./build-emacs-from-tar -v -j 8 emacs-25.1.tar.bz2 release
... 省略了大量输出 ...
已构建 Emacs-25.1-10.12-x86_64.tar.bz2, Emacs-25.1-10.12-x86_64-extra-source.tar
$ ./combine-and-package -v Emacs-25.1-10.12-x86_64.tar.bz2
... 省略了更多输出 ...
已创建:Emacs-25.1-universal.dmg
```
3. 项目 API 使用文档
本文档目前不包含具体的 API 使用文档,因为项目主要是基于脚本运行,而不是提供 API。如果项目提供了具体的 API 接口,这里将详细描述其使用方法和参数。
4. 项目安装方式
请参考上述安装指南,了解如何安装项目所需的依赖和工具。
- 安装 XZ:
brew install xz - 安装 XCode 命令行工具:
xcode-select --install - 安装 Rust:按照 Rust 官方网站的说明进行安装
遵循上述步骤后,您应该可以开始使用 Emacs 构建脚本进行构建。
本文档由 CSDN 公司开发的 InsCode AI 大模型提供。
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