Emscripten项目中为Ports添加Closure Compiler参数支持
背景介绍
Emscripten是一个将C/C++代码编译为WebAssembly和JavaScript的工具链。在Emscripten生态系统中,Ports是一种机制,允许开发者将第三方库集成到Emscripten构建系统中。最近,在WebGPU支持的工作中,开发者发现了一个关于Closure Compiler参数传递的限制。
问题描述
当使用Emscripten的Ports系统时,开发者需要能够为Closure Compiler传递特定的参数。特别是对于WebGPU支持,需要传递externs文件来确保Closure Compiler正确处理WebGPU API调用。然而,现有的Ports系统没有提供直接的方式来设置这些Closure Compiler参数。
技术细节
Closure Compiler是Google开发的一个JavaScript优化工具,它可以:
- 压缩代码体积
- 优化执行性能
- 进行高级静态类型检查
在WebGPU的上下文中,externs文件特别重要,因为它告诉Closure Compiler哪些符号不应该被重命名(如浏览器API)。如果没有正确配置,Closure Compiler可能会错误地重命名WebGPU API调用,导致运行时错误。
解决方案实现
Emscripten团队通过以下方式解决了这个问题:
- 在settings_internal.js中添加了CLOSURE_ARGS内部设置
- 修改了--closure-args命令行参数的处理逻辑,使其能够追加到CLOSURE_ARGS设置中
- 允许Ports通过修改settings.CLOSURE_ARGS来添加额外的Closure Compiler参数
这种实现方式具有以下优点:
- 向后兼容
- 灵活性高
- 与现有配置系统集成良好
实际应用
在WebGPU的Dawn实现中,这个功能被用来传递webgpu-externs.js文件。这个externs文件确保了Closure Compiler不会错误地重命名WebGPU API调用,如requestDevice()等浏览器原生方法。
最佳实践
对于Ports开发者,建议:
- 将必要的externs文件包含在Port包中
- 在linker_setup函数中无条件地添加Closure参数
- 确保externs文件的路径正确指向Port包内的位置
总结
这次改进增强了Emscripten Ports系统的灵活性,特别是对于那些需要与Closure Compiler深度集成的项目。它为WebGPU等现代Web API的支持铺平了道路,同时也为其他需要精细控制JavaScript优化过程的Ports提供了更好的支持。
这个变更虽然看似小,但对需要高级JavaScript优化的项目至关重要,确保了Emscripten生成的代码在经过Closure Compiler处理后仍能保持正确性。
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