Slash 项目技术文档
1. 安装指南
支持平台
Slash 支持以下平台:
- Linux (x86, x86_64, ARMv6)
- Mac OS X (x86_64)
- Windows (x86)
安装步骤
对于正常的系统环境,安装 Slash 的步骤如下:
$ ./configure
$ make
# make install
默认情况下,./configure 会启用所有扩展(目前包括 mysql、json、base64、gcrypt 和 inflect)。如果要禁用某个扩展,可以使用 --no-ext=<extname> 选项。启用被禁用的扩展时,使用 --ext=<extname> 选项。
Slash 本身编译为静态库(在类 Unix 系统中为 libslash.a)。为了实际使用 Slash,您必须编译一个 SAPI(Server API)。SAPI 是连接 libslash 和您的 Web 服务器的软件。例如,如果您想在 Apache Web 服务器上运行 Slash,您必须通过向 ./configure 传递 --sapi=apache2 来启用 apache2 SAPI。默认情况下,会自动启用 cli SAPI,它允许您从命令行运行 Slash 脚本。
如果您的库安装在非标准位置,且配置脚本无法找到它们,您可以使用 --with-lib-dir=<path> 选项指定位置。如果 Slash 仍然无法配置,您可以使用 --verbose 开关将额外信息记录到终端。如果您需要报告问题,这些信息将是必需的。
make install 默认将 Slash 安装到 /usr/local。这个安装前缀可以通过 --prefix=<path> 选项更改。
在 OS X 上的安装
如果您安装了 Homebrew,可以通过以下命令安装依赖:
brew install gmp pcre libgcrypt yajl discount
在 Windows 上的安装
Windows 可以使用 mingw-gcc 来构建原生 Slash。将来会提供 slash-cli 和常见 SAPIs 的二进制分发。
2. 项目的使用说明
请参考项目的官方文档和示例,以了解如何使用 Slash 语言来创建动态网页。
3. 项目API使用文档
目前项目 API 使用文档尚未提供,建议关注项目官方渠道获取最新信息。
4. 项目安装方式
如前所述,项目的安装方式是通过源代码编译。具体步骤请参考安装指南部分。
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