wrangler 的安装和配置教程
项目基础介绍
wrangler 是一个支持交互式重构Erlang程序的开源工具。它可以进行函数、变量和模块的重命名,函数提取和泛化等结构性修改。wrangler 不仅识别代码中的宏,还能在单个文件或整个项目中使用。此外,它还可以用于查找和删除代码克隆,以及改进项目的模块结构。wrangler 是可扩展的,提供了编写新重构操作的API和一个用于编写复杂重构组合的领域特定语言(DSL)。
编程语言
该项目主要使用Erlang语言开发,同时也包含了一些Emacs Lisp和C语言的代码。
关键技术和框架
- Erlang模式:
wrangler集成了Erlang模式,可在Emacs编辑器中使用。 - 交互式重构:提供了多种重构功能,如重命名、提取方法等。
- 代码克隆检测:能够检测和移除重复的代码块。
- API迁移:支持API函数接口变更时的自动迁移。
准备工作
在开始安装wrangler之前,您需要确保您的系统中已经安装了以下依赖项:
- Erlang/OTP:Erlang编程环境的运行时和库。
- Emacs:一个功能强大的文本编辑器,用于编辑代码。
- Git:版本控制系统,用于从GitHub克隆项目。
确保这些工具已经安装并且正确配置之后,您可以继续以下安装步骤。
安装步骤
-
克隆项目
打开终端(或命令提示符),然后执行以下命令来克隆
wrangler仓库:git clone https://github.com/RefactoringTools/wrangler.git这将在当前目录下创建一个名为
wrangler的文件夹,其中包含了所有项目文件。 -
安装依赖项
在
wrangler目录中,执行以下命令来编译项目:make如果编译成功,
wrangler的相关文件将被编译并放置在适当的位置。 -
配置Emacs
为了在Emacs中使用
wrangler,您需要在Emacs的配置文件中(通常是.emacs或.emacs.d/init.el)添加以下行来加载wrangler:(load-file "/path/to/wrangler/elisp/wrangler.el")替换
/path/to/wrangler/elisp/wrangler.el为您系统中wrangler.el文件的实际路径。 -
启动Wrangler
在Emacs中打开一个Erlang源文件,然后执行
M-x erlang-wrangler-on命令来启动wrangler。您应该会看到一个名为“Wrangler”的新菜单出现在菜单栏中。 -
使用Wrangler
现在您可以开始使用
wrangler提供的各种重构功能了。根据需要选择相应的菜单项,并按照提示进行操作。
以上就是wrangler的安装和配置指南。按照这些步骤操作后,您应该能够在Emacs中使用wrangler进行Erlang代码的重构。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00