The Silver Searcher 技术文档
The Silver Searcher(简称 Ag)是一个快速的代码搜索工具,类似于 ack,但速度更快。以下为 Ag 的安装指南、使用说明以及 API 使用文档。
1. 安装指南
macOS
使用 Homebrew 或 MacPorts 安装:
brew install the_silver_searcher
或
port install the_silver_searcher
Linux
根据不同的发行版,安装方式有所不同:
-
Ubuntu >= 13.10 (Saucy) 或 Debian >= 8 (Jessie)
apt-get install silversearcher-ag -
Fedora 21 及以下版本
yum install the_silver_searcher -
Fedora 22+
dnf install the_silver_searcher -
RHEL7+
yum install epel-release.noarch the_silver_searcher -
Gentoo
emerge -a sys-apps/the_silver_searcher -
Arch
pacman -S the_silver_searcher -
Slackware
sbopkg -i the_silver_searcher -
openSUSE
zypper install the_silver_searcher -
CentOS
yum install the_silver_searcher -
NixOS/Nix/Nixpkgs
nix-env -iA silver-searcher -
SUSE Linux Enterprise: 参考以下指南
BSD
-
FreeBSD
pkg install the_silver_searcher -
OpenBSD/NetBSD
pkg_add the_silver_searcher
Windows
-
Win32/64: 不官方的每日构建版本在此处提供。
-
winget
winget install "The Silver Searcher" -
Chocolatey
choco install ag -
MSYS2
pacman -S mingw-w64-{i686,x86_64}-ag -
Cygwin: 运行相关的
setup-*.exe文件,并在 "Utils" 类别中选择 "the_silver_searcher"。
2. 项目使用说明
Ag 的使用非常简单,可以通过命令行调用。例如,搜索包含 "test_blah" 字符串的文件:
ag test_blah ~/code/
Ag 会忽略 .gitignore 和 .hgignore 文件中的文件模式,也可以通过 .ignore 文件添加额外的忽略模式。
3. 项目 API 使用文档
Ag 没有官方的 API 文档,但是可以通过命令行参数进行调用和使用。以下是一些常用的命令行参数:
--nogroup: 不按文件分组显示结果。--nocolor: 不使用颜色高亮显示结果。--column: 显示匹配项的列号。
4. 项目安装方式
除了使用包管理器安装外,也可以从源代码构建:
从 master 分支构建
-
安装依赖(Automake、pkg-config、PCRE、LZMA):
-
macOS:
brew install automake pkg-config pcre xz -
Ubuntu/Debian:
apt-get install -y automake pkg-config libpcre3-dev zlib1g-dev liblzma-dev -
Fedora:
yum -y install pkgconfig automake gcc zlib-devel pcre-devel xz-devel -
CentOS:
yum -y groupinstall "Development Tools" yum -y install pcre-devel xz-devel zlib-devel -
openSUSE:
zypper source-install --build-deps-only the_silver_searcher -
Windows: 构建 Windows 版本比较复杂,请参考 这个 wiki 页面。
-
-
运行构建脚本:
./build.sh在 Windows(msys/MinGW shell)中:
make -f Makefile.w32 -
安装:
sudo make install
构建发布压缩包
发布版本的 GPG 签名压缩包可以在 这里 找到。构建发布压缩包需要相同的依赖,除了 Automake 和 pkg-config。安装依赖后,运行:
./configure
make
make install
可能需要使用 sudo 或以 root 用户运行 make install。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C032
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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