RefindPlus 开源项目教程
1、项目介绍
RefindPlus 是一个基于 rEFInd 的开源引导管理器,旨在扩展 rEFInd 的功能,提供针对 Apple Mac 和 UEFI-PC 的增强和修复。RefindPlus 特别适用于那些需要额外配置需求或需要高级选项来运行操作系统和 UEFI 实用程序的用户。它提供了与上游版本的功能和配置对等性,保护 Mac nvRAM 免受损坏,避免在 T2/TPM 芯片设备上的启动失败和冻结,以及在 Mac 上运行没有原生 EFI 的 GPU 时提供预启动配置屏幕。此外,RefindPlus 还进行了广泛的内存管理改进。
2、项目快速启动
安装 RefindPlus
首先,确保你已经安装了 rEFInd。然后,你可以通过以下步骤手动安装 RefindPlus:
- 下载 RefindPlus 的 EFI 文件。
- 将下载的 RefindPlus EFI 文件重命名为与 rEFInd EFI 文件相同的名称。
- 替换 rEFInd 安装目录中的 EFI 文件。
# 示例命令
wget https://github.com/dakanji/RefindPlus/releases/download/v0.14.1/refind-plus-efi
mv refind-plus-efi /path/to/rEFInd/refind.efi
配置 RefindPlus
RefindPlus 可以使用上游的配置文件 refind.conf,但建议使用 RefindPlus 提供的配置文件 config.conf 以利用其额外功能。
# 示例命令
cp /path/to/RefindPlus/config.conf /path/to/rEFInd/
3、应用案例和最佳实践
案例1:在 MacPro3.1 到 MacPro5.1 上使用 RefindPlus
在 MacPro3.1 到 MacPro5.1 以及 Xserve2.1 和 Xserve3.1 上,可以使用 MyBootMgr 设置 RefindPlus 和 OpenCore 的链式加载。
案例2:在 UEFI 1.x 设备上使用现代 GPU
RefindPlus 尝试确保 UEFI 2.x GOP 驱动程序在 EFI 1.x 设备上可用,从而允许在旧设备上使用现代 GPU。
最佳实践
- 保护 Mac nvRAM:RefindPlus 默认阻止 UEFI Windows Secure Boot 将证书保存到 Mac nvRAM,以防止损坏。
- APFS 同步:RefindPlus 始终透明地同步 APFS 系统和 PreBoot 分区,确保 APFS 格式的 macOS 始终使用 PreBoot 分区启动。
4、典型生态项目
rEFInd
RefindPlus 是基于 rEFInd 的扩展项目,因此 rEFInd 是其核心依赖。
OpenCore
在某些情况下,RefindPlus 可以与 OpenCore 结合使用,特别是在需要链式加载的情况下。
MyBootMgr
MyBootMgr 是一个用于管理启动顺序的工具,可以与 RefindPlus 结合使用,特别是在 MacPro 和 Xserve 设备上。
通过以上模块,你可以快速了解和使用 RefindPlus 项目。
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