SwayFX在Artix Linux上的构建问题分析与解决方案
背景介绍
SwayFX作为一款基于Wayland的平铺式窗口管理器,是Sway的一个分支版本,提供了额外的视觉效果和功能。近期有用户在Artix Linux系统上尝试构建SwayFX时遇到了构建失败的问题,主要原因是与systemd相关的依赖问题。
问题分析
在Artix Linux(一个不使用systemd的发行版)上构建SwayFX时,构建过程会因为libsystemd的依赖而失败。经过深入调查,发现这个问题实际上源于AUR(Arch User Repository)中的打包方式,而非SwayFX项目本身的代码问题。
具体来说,虽然SwayFX本身并不强制依赖systemd,但AUR包中包含了一个名为50-systemd-user.conf的配置文件,该文件明确使用了systemd相关的命令来设置环境变量:
# sway does not set DISPLAY/WAYLAND_DISPLAY in the systemd user environment
# See FS#63021
# Adapted from xorg's 50-systemd-user.sh, which achieves a similar goal.
# Upstream refuses to set XDG_CURRENT_DESKTOP so we have to.
exec systemctl --user set-environment XDG_CURRENT_DESKTOP=sway
exec systemctl --user import-environment DISPLAY \
SWAYSOCK \
WAYLAND_DISPLAY \
XDG_CURRENT_DESKTOP
解决方案
对于不使用systemd的系统(如Artix、Gentoo等),有以下几种解决方案:
1. 修改AUR包配置
最直接的解决方案是编辑50-systemd-user.conf文件,移除其中的systemd相关命令。然后通过其他方式设置必要的环境变量。
2. 使用启动脚本替代
创建一个自定义的启动脚本,在启动SwayFX前手动设置所需的环境变量。例如:
#!/bin/sh
# 设置Wayland相关环境变量
export QT_QPA_PLATFORMTHEME=qt5ct
export MOZ_ENABLE_WAYLAND=1
export QT_QPA_PLATFORM=wayland
export QT_WAYLAND_DISABLE_WINDOWDECORATION=1
export CLUTTER_BACKEND=wayland
export GDK_BACKEND=wayland,x11
export ECORE_EVAS_ENGINE=wayland_egl
export ELM_ENGINE=wayland_wgl
export SDL_VIDEODRIVER=wayland
export _JAVA_AWT_WM_NONREPARENTING=1
export XDG_CURRENT_DESKTOP=sway
# 启动SwayFX
exec dbus-run-session sway
然后创建一个对应的.desktop文件,让显示管理器使用这个脚本来启动SwayFX:
[Desktop Entry]
Name=Sway
Comment=An i3-compatible Wayland compositor
Exec=/path/to/your/startsway.sh
Type=Application
3. 项目层面的改进建议
从长远来看,SwayFX项目可以考虑将XDG_CURRENT_DESKTOP环境变量的设置直接集成到主程序中,而不是依赖外部工具(如systemd)来完成这一任务。这样可以提高项目在各种init系统上的兼容性。
总结
虽然SwayFX本身并不强制依赖systemd,但在某些发行版的打包方式中可能会引入这种依赖。对于不使用systemd的用户,通过简单的配置调整或使用替代的启动脚本,完全可以解决这个问题。这也提醒我们,在开源软件的打包和分发过程中,保持对各种系统配置的兼容性是非常重要的。
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