Rust 语言服务器(RLS)开源项目最佳实践
1. 项目介绍
Rust 语言服务器(RLS)是一个运行在后台的服务器,为 IDE、编辑器和其他工具提供关于 Rust 程序的信息。它支持诸如“转到定义”、“符号搜索”、“格式化”和“代码补全”等功能,并能够进行重命名和重构。
RLS 从编译器获取精确和完整的数据,尽可能使用这些数据。在代码补全和构建过程过慢时,它会使用 Racer。由于 Rust 编译器尚未支持端到端的增量编译,RLS 无法提供完美的体验。但是,通过优化对编译器的使用并回退到 Racer,RLS 可以在中小型 crates 中提供相当不错的体验。
RLS 设计为前端独立,希望能够被不同的编辑器和 IDE 广泛采用。为了促进开发,项目提供了一个 RLS 前端的参考实现,适用于 Visual Studio Code。
2. 项目快速启动
以下步骤将帮助您快速启动 RLS 项目:
安装 rustup
您可以在多种平台上安装 rustup,这将帮助您快速安装 RLS 及其依赖项。
如果已经安装了 rustup,请更新以确保拥有最新的 rustup 和编译器:
rustup update
如果您打算使用 VSCode 扩展,可以跳过第 2 步。
安装 RLS
安装 rustup 后,运行以下命令:
rustup component add rls rust-analysis rust-src
如果遇到错误提示 “component 'rls' is unavailable for download (nightly)”,可以按照提示查找特定日期的 nightly 版本进行安装。
运行 RLS
RLS 支持与多种 IDE 和编辑器配合工作,我们主要使用 VSCode 进行测试。最简单的方式是使用发布的扩展。
当在状态栏底部看到旋转的指示器时,您就知道 RLS 正在工作了:
RLS: working ◐
当看到以下信息时:
RLS
您就可以使用完整的特性集了。您可以使用“转到定义”、“查找所有引用”、“重命名”、“转到类型”等功能。补全功能也可以通过 Racer 提供的启发式方法来使用。当您输入代码时,代码将被检查,并在发生错误时报告错误下划线。您可以悬停在这些下划线上查看错误文本。
3. 应用案例和最佳实践
以下是使用 RLS 的一些应用案例和最佳实践:
- 项目配置:使用 Visual Studio Code 扩展时,通过工作区的
settings.json文件进行配置。确保合理配置rust对象中的选项,以影响 RLS 的操作和项目的构建。 - 代码补全:启用
racer_completion选项以使用 Racer 进行代码补全。 - 构建优化:根据项目大小和需求,配置
build_on_save、wait_to_build等选项,以优化构建过程。
4. 典型生态项目
RLS 是 Rust 生态系统中的重要项目之一。以下是一些与之相关的典型生态项目:
- rust-analyzer:RLS 的替代品,提供了更强大的功能。
- Racer:一个用于 Rust 的代码补全工具,RLS 使用 Racer 作为后端之一。
- Cargo:Rust 的包管理器和构建工具,RLS 与 Cargo 密切集成。
通过遵循这些最佳实践,您可以更有效地利用 RLS 改进 Rust 项目的开发和维护。
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。C038
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0117
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