rCore-Tutorial-Book-v3 使用指南
1. 项目介绍
rCore-Tutorial-Book-v3 是一个旨在帮助初学者从零开始用 Rust 语言编写基于 RISC-V 架构的类 Unix 内核的教程。该项目不仅支持模拟器环境(如 Qemu/terminus 等),还支持在真实硬件平台 Kendryte K210 上运行。教程详细介绍了如何逐步实现一个简单的操作系统,涵盖了从基本的执行环境到复杂的文件系统、进程管理、并发处理等多个方面。
2. 项目快速启动
环境准备
在开始之前,请确保你已经安装了以下工具:
- Rust 编程语言(建议使用
rustup安装) - Qemu(用于模拟 RISC-V 环境)
- RISC-V GNU Embedded Toolchain(包括 GDB)
克隆项目
首先,克隆 rCore-Tutorial-Book-v3 项目到本地:
git clone https://github.com/rcore-os/rCore-Tutorial-Book-v3.git
cd rCore-Tutorial-Book-v3
构建文档
你可以使用以下命令在本地构建文档:
make html
构建完成后,生成的文档可以在 rCore-Tutorial-Book-v3/build/html 目录下找到。
运行示例
在 os 目录下,你可以使用以下命令运行示例操作系统:
cd os
make run
这将启动 Qemu 并运行你编写的操作系统。
3. 应用案例和最佳实践
案例1:实现一个简单的文件系统
在教程的第六章中,详细介绍了如何实现一个简单的文件系统 easy-fs。通过学习这一章节,你可以掌握文件系统的基本概念和实现方法。
案例2:进程管理和调度
在第五章中,教程详细讲解了进程的概念以及如何在内核中实现进程管理和调度。通过这一章的学习,你可以理解操作系统如何管理多个进程并进行调度。
最佳实践
- 代码注释:尽管教程中的代码注释较少,但在实际开发中,建议为关键代码添加详细的注释,以便于后续维护和理解。
- 模块化设计:在实现复杂功能时,建议采用模块化设计,将不同的功能模块化,便于管理和扩展。
4. 典型生态项目
rCore
rCore 是 rCore-Tutorial-Book-v3 的基础项目,是一个用 Rust 语言实现的操作系统内核。rCore 不仅支持 RISC-V 架构,还支持其他多种架构。
zCore
zCore 是一个用 Rust 语言重写的 Google Fuchsia 操作系统的 Zircon 内核。zCore 利用了 Rust 的异步编程特性,实现了高效的系统调度和资源管理。
arceos
arceos 是一个探索操作系统模块化架构的项目,旨在通过模块化设计实现一个高效、可扩展的操作系统。
通过学习 rCore-Tutorial-Book-v3,你不仅可以掌握操作系统的基本概念和实现方法,还可以了解 Rust 在系统编程中的应用,为进一步深入研究和开发操作系统打下坚实的基础。
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