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。
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