BSD Owl Scripts 项目安装指南:从系统级到用户级的完整部署方案
2025-06-04 07:11:21作者:乔或婵
前言
BSD Owl Scripts 是一套基于 BSD make 的构建系统工具集,它通过提供标准化的 makefile 模板和构建规则,简化了软件项目的构建过程。本文将详细介绍如何在不同的操作系统环境中安装和配置 BSD Owl Scripts,包括系统级安装和用户级安装两种方案。
系统要求
基础依赖:make 程序
BSD Owl Scripts 对 make 程序有特定版本要求:
- FreeBSD 9.0+:可直接使用系统自带的
make程序 - Mac OS X 10.4+:需要安装第三方
bmake程序 - Debian 7.0+:同样需要安装
bmake程序
可选依赖(按需安装)
根据实际使用需求,可能还需要以下工具:
- 图像处理:graphicsmagick
- 文本处理:awk, m4
- 编程语言:ocaml, ocaml-findlib
- 文档处理:texlive-latex-base, opensp
- 加密工具:gnupg
系统级安装(管理员权限)
第一步:获取并验证安装包
建议下载最新稳定版的 tar.xz 压缩包及其签名文件,下载后应先验证签名确保文件完整性。
第二步:解压并进入目录
# tar xJf bsdowl-3.0.0-20150314.tar.xz
# cd bsdowl-3.0.0-20150314
第三步:配置安装路径
选择系统级安装目录(如 /usr/local):
# ./configure --prefix=/usr/local
第四步:编译并安装
# make -r all
# make -r install
第五步:系统级配置
为使所有用户都能使用 BSD Owl Scripts,需修改系统级 make 配置文件:
- 编辑
/etc/make.conf文件 - 添加以下内容:
.MAKEFLAGS: -I /usr/local/share/mk
此配置确保系统 make 程序能够找到 BSD Owl Scripts 提供的 makefile 模板。
用户级安装(普通用户权限)
第一步:获取并验证安装包
同样需要下载安装包和签名文件,并验证签名。
第二步:解压并进入目录
% tar xJf bsdowl-3.0.0-20150314.tar.xz
% cd bsdowl-3.0.0-20150314
第三步:配置用户级安装路径
% ./configure --prefix=${HOME}
第四步:编译并安装
% env MAKEFLAGS= make -r all
% env MAKEFLAGS= make -r install
第五步:用户环境配置
根据使用的 shell 类型,配置略有不同:
Bash/Sh 用户
编辑 ~/.profile 或 ~/.bashrc,添加:
PATH="${HOME}/bin:${PATH}"
MAKEFLAGS="${MAKEFLAGS}${MAKEFLAGS:+ }-I ${HOME}/share/mk"
export PATH
export MAKEFLAGS
Tcsh 用户
编辑 ~/.cshrc 或 ~/.tcshrc,添加:
set -f path = ( $path $HOME/bin )
if ( $?MAKEFLAGS ) then
set makeflags = ( $MAKEFLAGS )
else
set makeflags = ()
endif
set makeflags = ( $makeflags "-I ${HOME}/share/mk" )
setenv MAKEFLAGS "$makeflags"
unset makeflags
安装验证
安装完成后,可以通过以下方式验证:
- 检查
${prefix}/bin目录下是否有 bsdowl 相关脚本 - 检查
${prefix}/share/mk目录下是否有 makefile 模板文件 - 尝试在一个简单项目中使用 bsdowl 的构建规则
注意事项
- 在多用户系统中,建议优先考虑系统级安装
- 如果同时存在系统级和用户级安装,用户级配置会覆盖系统级配置
- 某些高级功能可能需要额外安装依赖包
- 不同操作系统下,依赖包的名称可能有所不同
通过以上步骤,您应该能够成功安装并配置 BSD Owl Scripts,无论是系统级部署还是个人开发环境配置。这套工具集将显著简化您的项目构建流程,特别是在跨平台开发场景下。
登录后查看全文
热门项目推荐
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
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
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
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++
660
308
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.81 K
React Native鸿蒙化仓库
JavaScript
259
322
🎉 (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
1.19 K
654
仓颉编程语言运行时与标准库。
Cangjie
141
878