解决Please构建系统中sh_binary规则未定义的问题
问题背景
在使用Please构建系统时,开发者可能会遇到"name 'sh_library' is not defined"这样的错误提示。这种情况通常发生在尝试使用shell相关构建规则(如sh_binary)时,系统无法识别这些规则定义。
根本原因分析
Please构建系统采用模块化设计,核心功能之外的各种语言和工具支持通过插件机制实现。shell构建规则(包括sh_binary、sh_library等)属于可选插件功能,并非默认包含在基础安装中。当项目中没有正确配置shell插件时,系统自然无法识别这些规则。
解决方案详解
快速解决方案
最简单的解决方法是运行初始化命令:
plz init plugin shell
这个命令会自动完成以下配置:
- 创建插件目录结构
- 添加shell插件定义
- 更新配置文件
手动配置方案
如果希望更精细地控制配置过程,可以按照以下步骤操作:
- 创建插件定义文件
在项目根目录下创建plugins/BUILD文件(目录和文件名可根据需要调整),内容如下:
plugin_repo(
name = "shell",
revision = "v0.2.0",
plugin = "shell-rules",
owner = "please-build",
)
- 修改配置文件
编辑项目中的.plzconfig文件,添加以下内容:
[parse]
preloadsubincludes = ///shell//build_defs:shell
[Plugin "shell"]
Target = //plugins:shell
配置说明
-
plugin_repo参数解析
name: 插件在本地项目中的引用名称revision: 插件版本号或分支名称plugin: 插件仓库名称owner: 插件维护者或组织名称
-
.plzconfig配置项
preloadsubincludes: 预加载插件的构建定义,避免在每个文件中重复引入Target: 指向插件定义的目标位置
高级应用场景
-
多插件管理 当项目需要多个插件时,可以在plugins/BUILD中定义多个plugin_repo,并在.plzconfig中配置对应的Plugin节。
-
自定义插件位置 插件定义文件可以放在任何位置,只需确保.plzconfig中的Target指向正确路径即可。
-
版本控制 通过修改revision字段可以指定特定的插件版本,确保构建环境的稳定性。
最佳实践建议
-
对于团队项目,建议将插件配置纳入版本控制,确保所有开发者使用相同的插件版本。
-
定期检查插件更新,特别是安全相关的更新。
-
在大型项目中,考虑将常用插件预加载到全局配置中,减少重复配置。
-
当插件规则出现命名冲突时,可以不使用preloadsubincludes,改为在需要的BUILD文件中显式引入。
通过以上配置,开发者可以顺利使用shell相关的构建规则,解决初始的"name 'sh_library' is not defined"错误问题。Please构建系统的插件机制提供了良好的扩展性,使得各种语言和工具的支持能够灵活地添加到项目中。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00