在Nix包管理器中集成Lan-Mouse的技术实践
2025-06-26 04:11:07作者:裘晴惠Vivianne
Lan-Mouse是一款跨平台的鼠标键盘共享软件,类似于苹果设备上的通用控制功能。它允许用户使用单套鼠标键盘控制多台计算机,实现了多设备输入共享的功能。本文将详细介绍如何将Lan-Mouse集成到Nix包管理系统中。
背景与挑战
Lan-Mouse主要针对Linux Wayland环境设计,同时也支持Windows、MacOS和Xorg环境。在将其打包为Nix包时,开发者遇到了几个技术挑战:
- 构建过程中缺少
glib-compile-resources命令 - 需要正确处理GTK4和libadwaita等GUI依赖
- 需要配置适当的系统级服务以实现开机自启
解决方案
基础Nix包定义
通过分析构建错误和依赖关系,最终确定了以下Nix包定义:
rustPlatform.buildRustPackage rec {
pname = "lan-mouse";
version = "20240124";
nativeBuildInputs = with pkgs; [
pkg-config
cmake
buildPackages.gtk4
];
buildInputs = with pkgs; [
xorg.libX11
gtk4
libadwaita
xorg.libXtst
];
src = fetchFromGitHub {
owner = "feschber";
repo = "lan-mouse";
rev = "8084b52cfc8c661baa43fbea158e0b44cd0ae203";
hash = "sha256-qaPnTbfO1aabm4UsNKHXg/BoEnpNvNgqmIT4+tNG6Tw=";
};
cargoLock = {
lockFile = "${src}/Cargo.lock";
outputHashes = {
"reis-0.1.0" = "sha256-sRZqm6QdmgqfkTjEENV8erQd+0RL5z1+qjdmY18W3bA=";
};
};
RUST_BACKTRACE = "full";
}
关键点在于:
- 将GTK4同时添加到nativeBuildInputs和buildInputs
- 正确指定Cargo.lock文件和依赖哈希
- 启用完整的Rust回溯信息以辅助调试
系统服务集成
为了提供更好的用户体验,可以创建systemd用户服务实现开机自启:
systemd.user.services.lan-mouse = {
description = "Lan Mouse";
after = ["graphical-session.target"];
bindsTo = ["graphical-session.target"];
wantedBy = ["graphical-session.target"];
serviceConfig = {
ExecStart = "${pkgs.lan-mouse}/bin/lan-mouse --daemon";
Restart = "on-failure";
};
};
这种配置确保服务在图形会话启动后自动运行,并在失败时自动重启。
技术细节解析
-
依赖处理:
- GTK4开发包必须同时作为nativeBuildInputs和buildInputs
- libadwaita提供现代GNOME界面组件
- X11相关库提供底层输入共享支持
-
构建过程:
- 使用Rust平台的buildRustPackage构建工具
- 显式指定Cargo.lock文件确保依赖版本一致
- 为自定义crate(reis)提供预计算哈希值
-
运行时配置:
- 设置RUST_BACKTRACE环境变量便于问题诊断
- 使用daemon模式运行减少资源占用
实际应用建议
对于希望在生产环境使用Lan-Mouse的NixOS用户,建议:
- 将包定义提交到nixpkgs官方仓库
- 考虑添加桌面条目(Desktop Entry)以便图形化启动
- 实现配置管理,允许用户自定义连接参数
- 添加多架构支持,特别是ARM平台
总结
通过合理的Nix包定义和系统集成,Lan-Mouse可以很好地融入NixOS生态系统。这一实践不仅解决了特定软件的打包问题,也为类似GUI应用的Nix集成提供了参考模式。未来随着Wayland生态的成熟,这类输入共享工具将发挥更大作用。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
346
147