Tectonic排版引擎安装指南:从入门到精通
前言
Tectonic是一款现代化的TeX排版引擎,与传统TeX工具链相比,它最大的优势在于将所有功能集成在单一可执行文件中,避免了传统TeX系统中数以千计相互依赖的文件和工具。本文将详细介绍Tectonic的多种安装方式,帮助用户选择最适合自己环境的安装方案。
安装方式概览
根据用户的不同需求和环境,Tectonic提供了多种安装方式:
- 终端一键安装(推荐新手使用)
- 直接下载预编译二进制文件
- 使用系统包管理器安装
- 从源代码自行编译
对于大多数用户,我们推荐使用终端一键安装方式,这是最简单快捷的方法。其他方式适合有特殊需求或希望深度集成的用户。
终端一键安装(推荐)
这是最简单的安装方式,适用于大多数Unix-like系统(包括macOS)和Windows系统。
Unix-like系统安装
打开终端,执行以下命令:
curl --proto '=https' --tlsv1.2 -fsSL https://drop-sh.fullyjustified.net |sh
该命令会自动下载适合您系统的Tectonic可执行文件,并保存在当前目录下。
Windows系统安装
在PowerShell中执行以下命令:
[System.Net.ServicePointManager]::SecurityProtocol = [System.Net.ServicePointManager]::SecurityProtocol -bor 3072
iex ((New-Object System.Net.WebClient).DownloadString('https://drop-ps1.fullyjustified.net'))
这将下载并解压tectonic.exe文件。
安装后配置
下载完成后,建议将可执行文件移动到系统PATH包含的目录中,以便在任何位置都能运行Tectonic。例如:
- Unix-like系统:/usr/local/bin/
- Windows系统:C:\Windows\System32\
直接下载预编译版本
用户可以直接下载最新版本的预编译二进制文件。Tectonic为不同平台提供了对应的压缩包,解压后即可获得单一可执行文件。
常见平台对应的文件名格式:
- Linux系统:tectonic-<版本号>-x86_64-unknown-linux-gnu.tar.gz
- macOS系统:tectonic-<版本号>-x86_64-apple-darwin.tar.gz
- Windows系统:tectonic-<版本号>-x86_64-pc-windows-msvc.zip
使用包管理器安装
对于希望与系统深度集成的用户,可以通过各种包管理器安装Tectonic。
Conda安装(跨平台推荐)
Conda是一个跨平台的包管理器,不需要管理员权限,支持Windows、macOS和Linux。
安装步骤:
- 安装Miniconda(如果尚未安装)
- 执行以下命令:
conda install -c conda-forge tectonic
各Linux发行版安装
Arch Linux
sudo pacman -S tectonic
Void Linux
sudo xbps-install -S tectonic
macOS系统安装
Homebrew
brew install tectonic
MacPorts
sudo port install tectonic
Nix/NixOS
nix-env -f '<nixpkgs>' -iA tectonic
从源代码编译
对于需要自定义功能或运行在特殊平台的用户,可以从源代码编译Tectonic。
基本编译命令:
cargo install tectonic
编译前需要准备:
- C++编译器
- Rust工具链
- 相关依赖库(如freetype、harfbuzz等)
安装验证
安装完成后,可以通过以下命令验证是否安装成功:
tectonic --version
如果正确显示版本号,则说明安装成功。
结语
Tectonic作为现代化TeX引擎,通过单一可执行文件的设计大大简化了安装和使用流程。用户可以根据自己的需求选择最适合的安装方式。对于大多数用户,我们推荐使用终端一键安装或系统包管理器安装,这是最便捷的选择。
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