Mbed-TLS项目中tf-psa-crypto组件的构建目录管理优化
在Mbed-TLS项目的tf-psa-crypto组件开发过程中,构建系统的优化是一个持续演进的过程。本文将深入分析当前构建目录管理方式的不足,以及如何通过核心脚本统一管理构建目录来提升开发效率。
当前tf-psa-crypto组件采用CMake作为构建系统,遵循最佳实践进行源代码外构建(out-of-source build)。这种构建方式要求每个测试组件都需要自行创建、进入和清理构建目录,导致大量重复代码。随着更多组件从Mbed-TLS迁移到tf-psa-crypto,这种重复性工作会显著增加维护成本。
技术团队识别到这一痛点后,提出了将构建目录管理逻辑上移至核心脚本的优化方案。具体而言,计划让all-core.sh脚本统一处理以下工作:
- 创建临时构建目录
- 切换工作目录至构建目录
- 执行组件特定的构建和测试命令
- 返回原工作目录
- 清理构建目录
这种架构调整带来多重优势。首先,它消除了各组件中的重复代码,使组件定义更加简洁专注。其次,它确保了构建环境管理的一致性,减少了人为错误的可能性。最重要的是,它为未来可能增加的更多CMake组件提供了统一的构建环境管理机制。
值得注意的是,这一优化与CMake版本兼容性问题无关。虽然早期版本的CMake在某些环境下可能存在源代码外构建的问题,但现代版本已能很好地支持这一特性。技术团队通过持续集成测试验证了新方案的可靠性。
从实现角度看,优化后的组件脚本将仅包含核心构建和测试逻辑,而无需关心构建目录的管理细节。这种关注点分离的设计使代码更易于维护和扩展。对于开发者而言,这意味着可以更专注于组件功能的实现,而不必重复编写构建环境管理的样板代码。
这一优化体现了Mbed-TLS项目在构建系统现代化过程中的持续改进,展示了如何通过合理的架构设计提升开发效率和代码质量。随着项目的演进,这种集中管理构建环境的模式将为tf-psa-crypto组件的持续发展奠定坚实基础。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0199
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07