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。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C092
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00