Stack项目在Arch Linux上构建GHC时LDFLAGS环境变量问题分析
在Arch Linux系统上使用Stack构建Haskell项目时,开发者可能会遇到一个特殊的构建失败问题。当LDFLAGS环境变量包含-Wl,-z,pack-relative-relocs选项时,GHC的configure脚本会失败并报错"Failed to determine machine word size"。
这个问题最初表现为一个看似矛盾的现象:直接运行stack build会失败,而先运行stack setup再运行stack build却能成功。经过深入分析,发现问题的根源在于Arch Linux的默认构建环境设置。
Arch Linux的makepkg工具会设置一系列构建标志,其中包括LDFLAGS环境变量。这个变量包含了-Wl,-z,pack-relative-relocs选项,这是Arch Linux为提高性能而引入的一个链接器优化选项。然而,当这个选项被传递给GHC的configure脚本时,会导致脚本无法正确检测系统的字长。
进一步调查发现,问题的深层原因是GHC默认使用gold链接器(ld.gold),而gold链接器不完全支持pack-relative-relocs这个特性。当configure脚本尝试检测系统特性时,由于链接器不兼容,导致检测失败。
解决方案有多种途径:
- 在运行Stack前取消设置LDFLAGS环境变量
- 强制系统使用传统的bfd链接器(ld.bfd)而非gold链接器
- 在GHC的configure脚本中添加对链接器兼容性的检查
这个问题不仅影响Stack,也影响其他Haskell工具链在Arch Linux上的行为。它反映了系统级构建环境与语言特定工具链之间可能存在的微妙交互问题。对于Haskell开发者而言,理解这些交互有助于更好地诊断和解决构建过程中的各种问题。
值得注意的是,Arch Linux由于其激进的更新策略和定制化的构建环境,与Haskell工具链的兼容性一直存在挑战。开发者在这样的系统上工作时,可能需要采取额外的配置步骤或使用特定的构建方法才能确保工具链正常工作。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
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
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00