proto-lens 项目教程
1. 项目介绍
proto-lens 是一个用于在 Haskell 中实现 Protocol Buffers(protobuf)的库。它使用现代 Haskell 语言和库模式,提供了对 Protocol Buffers 的类型安全反射和编码/解码功能。proto-lens 的主要特点包括:
- Composable field accessors via lenses: 通过 lenses 提供可组合的字段访问器。
- Simple field name resolution/overloading via type-level literals: 通过类型级字面量实现简单的字段名称解析和重载。
- Type-safe reflection and encoding/decoding of messages via GADTs: 通过 GADTs 实现类型安全的反射和消息的编码/解码。
2. 项目快速启动
2.1 安装依赖
首先,确保你已经安装了 protoc 二进制文件,并将其添加到你的 PATH 中。你可以通过以下命令安装 protoc:
# 安装 protoc
sudo apt-get install protobuf-compiler
2.2 克隆项目
克隆 proto-lens 项目到本地:
git clone https://github.com/google/proto-lens.git
cd proto-lens
2.3 构建项目
使用 stack 构建项目:
stack build
2.4 生成 Haskell 代码
假设你有一个名为 foo.proto 的 protobuf 文件,你可以使用以下命令生成对应的 Haskell 代码:
protoc --plugin=protoc-gen-haskell=`which proto-lens-protoc` \
--haskell_out=. \
foo.proto
这将生成一个名为 Proto/Foo.hs 的 Haskell 文件,其中包含与 foo.proto 中定义的消息和字段相对应的 Haskell 定义。
3. 应用案例和最佳实践
3.1 在 Cabal 项目中使用
假设你有一个名为 foo-bar-proto.cabal 的 Cabal 项目文件,你可以按照以下步骤配置它以使用 proto-lens:
-
编辑
foo-bar-proto.cabal文件,添加以下内容:build-type: Custom extra-source-files: src/foo/bar.proto custom-setup setup-depends: base, Cabal, proto-lens-setup build-tool-depends: proto-lens-protoc:proto-lens-protoc library exposed-modules: Proto.Foo.Bar, Proto.Foo.Bar_Fields autogen-modules: Proto.Foo.Bar, Proto.Foo.Bar_Fields build-depends: proto-lens-runtime -
创建一个
Setup.hs文件,内容如下:import Data.ProtoLens.Setup main = defaultMainGeneratingProtos "src" -
运行
cabal build或stack build,Cabal 将自动生成 Haskell 文件并构建项目。
3.2 最佳实践
- 版本控制: 确保
protoc和proto-lens的版本兼容。建议使用proto-lens的最新版本。 - 模块化设计: 将不同的 protobuf 文件放在不同的模块中,以保持代码的清晰和可维护性。
- 错误处理: 在编码/解码过程中,处理可能的错误情况,确保程序的健壮性。
4. 典型生态项目
4.1 proto-lens-protobuf-types
proto-lens-protobuf-types 是 proto-lens 生态系统中的一个重要项目,它提供了对 Protocol Buffers 标准类型的支持,如 google.protobuf.Timestamp 和 google.protobuf.Duration。
4.2 proto-lens-optparse
proto-lens-optparse 是一个用于解析命令行选项的库,它与 proto-lens 集成,使得在命令行工具中使用 protobuf 消息变得更加方便。
4.3 proto-lens-tutorial
proto-lens-tutorial 是一个教程项目,提供了 proto-lens 的基本使用示例和最佳实践,适合初学者学习和参考。
通过这些生态项目,proto-lens 不仅提供了对 Protocol Buffers 的基本支持,还扩展了其在实际应用中的功能和灵活性。
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