macOS 开发环境设置指南
1、项目介绍
mac-setup 是一个开源项目,旨在帮助用户在新 Mac 上快速设置开发环境。该项目由 sb2nov 维护,涵盖了多种编程语言和工具的安装指南,包括 Node.js、Python、C++、Ruby 等。无论你是经验丰富的开发者还是初学者,这个指南都可以作为参考,帮助你快速搭建开发环境。
2、项目快速启动
2.1 克隆项目
首先,你需要将项目克隆到本地:
git clone https://github.com/sb2nov/mac-setup.git
cd mac-setup
2.2 安装 Homebrew
Homebrew 是 macOS 上的包管理器,安装它可以帮助你快速安装其他工具和库。
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
2.3 安装常用工具
使用 Homebrew 安装一些常用的开发工具:
brew install git node python ruby
2.4 配置开发环境
根据你的需求,参考项目中的 README.md 文件,配置相应的开发环境。例如,如果你想配置 Node.js 环境,可以参考 Node.js 部分的指南。
3、应用案例和最佳实践
3.1 案例一:Python 开发环境
假设你需要在 Mac 上进行 Python 开发,可以按照以下步骤进行配置:
-
安装 Python:
brew install python -
安装虚拟环境工具
virtualenv:pip install virtualenv -
创建并激活虚拟环境:
virtualenv venv source venv/bin/activate -
安装所需的 Python 包:
pip install requests flask
3.2 案例二:Node.js 开发环境
如果你需要进行 Node.js 开发,可以按照以下步骤进行配置:
-
安装 Node.js:
brew install node -
创建一个新的 Node.js 项目:
mkdir my-node-project cd my-node-project npm init -y -
安装 Express 框架:
npm install express -
创建一个简单的 Express 应用:
// index.js const express = require('express'); const app = express(); const port = 3000; app.get('/', (req, res) => { res.send('Hello World!'); }); app.listen(port, () => { console.log(`Example app listening at http://localhost:${port}`); }); -
启动应用:
node index.js
4、典型生态项目
4.1 Homebrew
Homebrew 是 macOS 上的包管理器,通过它可以方便地安装和管理各种软件包。它是 mac-setup 项目中推荐使用的工具之一。
4.2 Git
Git 是一个分布式版本控制系统,广泛用于软件开发中。mac-setup 项目中包含了 Git 的安装和配置指南。
4.3 Node.js
Node.js 是一个基于 Chrome V8 引擎的 JavaScript 运行时,适用于构建快速、可扩展的网络应用。mac-setup 项目中提供了 Node.js 的安装和配置指南。
4.4 Python
Python 是一种广泛使用的高级编程语言,适用于各种应用场景。mac-setup 项目中包含了 Python 的安装和配置指南。
通过 mac-setup 项目,你可以快速搭建这些生态项目的环境,并开始你的开发工作。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00