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。
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