在MIPS架构设备上编译运行Ligolo-ng代理的技术指南
2025-06-24 14:31:27作者:齐添朝
Ligolo-ng是一款功能强大的网络隧道工具,但在MIPS架构设备上运行时可能会遇到兼容性问题。本文将详细介绍如何正确地为MIPS架构设备(特别是GL.iNet GL-AR150路由器)编译Ligolo-ng代理程序。
问题背景
许多嵌入式设备(如路由器)采用MIPS架构处理器,这与常见的x86或ARM架构有所不同。GL.iNet GL-AR150路由器搭载的是Atheros AR9330处理器,属于MIPS 24Kc架构。当尝试直接运行标准方式编译的Ligolo-ng代理时,会出现语法错误。
关键问题分析
通过技术分析发现,问题根源在于编译参数设置不当。MIPS架构有多个变种,需要特别注意:
- 字节序问题:MIPS架构支持大端序(MIPS)和小端序(MIPSEL)
- 浮点运算处理:嵌入式设备通常使用软件模拟浮点运算(softfloat)
- 指令集兼容性:需要考虑MIPS32/MIPS64等不同版本
正确编译方法
经过验证,以下编译参数组合可以在GL-AR150路由器上正常运行:
GOOS=linux GOARCH=mips GOMIPS=softfloat go build -o agent cmd/agent/main.go
参数说明:
GOOS=linux:指定目标操作系统为LinuxGOARCH=mips:指定目标架构为MIPS(大端序)GOMIPS=softfloat:使用软件模拟浮点运算CGO_ENABLED=0:可选,构建静态链接的可执行文件
验证方法
编译完成后,可以通过以下方式验证可执行文件的兼容性:
- 使用file命令检查文件属性:
file agent
应显示为MIPS架构的ELF可执行文件
- 在目标设备上运行前,先检查文件完整性:
sha256sum agent
确保与编译环境中的哈希值一致
技术建议
-
对于嵌入式设备,建议总是使用
GOMIPS=softfloat参数,因为许多嵌入式MIPS处理器不支持硬件浮点运算单元 -
如果设备明确是小端序(MIPSEL)架构,可以使用
GOARCH=mipsle,但需要配合正确的浮点运算设置 -
在资源受限的设备上,可以考虑添加
-ldflags="-s -w"参数来减小可执行文件体积
总结
通过正确的编译参数设置,Ligolo-ng完全可以运行在各种MIPS架构的嵌入式设备上。关键在于理解目标设备的处理器特性和选择匹配的编译选项。本文提供的编译方法不仅适用于GL-AR150路由器,也可作为其他MIPS架构设备上运行Go语言程序的参考方案。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
346
147