end-4/dots-hyprland 项目中的软件包管理优化实践
在 Linux 系统管理中,软件包的安装和管理方式对系统的整洁性和可维护性有着重要影响。本文将介绍 end-4/dots-hyprland 项目中针对 Arch Linux 及其衍生发行版的软件包管理优化实践。
背景与问题
传统的软件安装方式往往会在系统目录中留下各种文件,特别是在 /usr/local/* 目录下。这种方式虽然简单直接,但长期来看会导致系统目录结构混乱,不利于维护和管理。对于 Arch Linux 这样的发行版,使用官方的包管理工具 pacman 来管理软件包是更优的选择。
解决方案
项目团队决定逐步弃用 scriptdata/installers 目录中的安装脚本,转而使用本地 PKGBUILD 文件来安装软件。这种方式有以下优势:
- 所有软件包都由 pacman 统一管理
- 安装过程更加标准化
- 便于后续的更新和维护
- 保持系统目录结构的整洁
具体实施
1. 字体包的迁移
项目中原本使用自定义脚本安装的字体包,如 Rubik 和 Gabarito,现已改用 AUR 中的标准包:
- ttf-rubik-vf
- ttf-gabarito-git
这些标准包安装的字体文件与原先脚本安装的完全一致,但由 pacman 统一管理,更加规范。
2. 构建工具的选择
在构建过程中,团队发现 yay 和 paru 在 cleanbuild 功能上存在差异:
- yay 支持通过
--answerclean=a参数进行 cleanbuild - paru 的
--clean参数实际上是用于移除不需要的依赖项
经过讨论,团队决定优先使用 yay,因为它在处理需要 cleanbuild 的软件包(如 hyprland-git)时表现更可靠。
3. MicroTeX 的特殊处理
MicroTeX 是一个需要附带资源文件(res 目录)的 LaTeX 渲染库。针对这个特殊情况,团队制定了专门的安装方案:
- 将主程序安装到
/opt/MicroTeX目录 - 资源文件放置在
/opt/MicroTeX/res下 - 创建适当的符号链接或修改程序以正确查找资源路径
这种方案既避免了在 /usr/bin 下创建杂乱的目录,又保证了程序的正常运行。
技术细节
cleanbuild 的必要性
某些软件包(特别是基于 git 的版本)在更新时需要 cleanbuild 来避免潜在的构建问题。cleanbuild 会完全清理构建目录,确保从干净的状态重新构建。虽然这会增加构建时间(需要重新克隆仓库),但对于保证构建质量是必要的。
资源文件的管理
对于需要附带资源文件的应用程序,最佳实践是:
- 将主程序安装在标准位置(如
/usr/bin或/opt) - 将资源文件放在专用目录(如
/usr/share或/opt) - 通过以下方式之一确保程序能找到资源:
- 修改程序代码,使用绝对路径
- 创建符号链接
- 设置环境变量
总结
通过这次优化,end-4/dots-hyprland 项目在 Arch Linux 上的软件包管理变得更加规范和可靠。主要收获包括:
- 优先使用系统包管理器(pacman)和 AUR 来管理软件
- 对于特殊需求的软件,定制 PKGBUILD 比使用安装脚本更优
- 合理规划文件和目录结构对系统维护至关重要
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
yuanrongopenYuanrong runtime:openYuanrong 多语言运行时提供函数分布式编程,支持 Python、Java、C++ 语言,实现类单机编程高性能分布式运行。Go051
MiniCPM-SALAMiniCPM-SALA 正式发布!这是首个有效融合稀疏注意力与线性注意力的大规模混合模型,专为百万级token上下文建模设计。00
ebook-to-mindmapepub、pdf 拆书 AI 总结TSX01