p7zip-zstd 项目启动与配置文档
1、项目的目录结构及介绍
p7zip-zstd 是一个基于 7-Zip 的开源项目,旨在为 Unix-like 系统提供 7z 压缩工具。该项目支持多种现代压缩算法,包括 Brotli、Fast LZMA2、LZ4、LZ5、Lizard 和 Zstd。项目目录结构如下:
p7zip/
├── CPP/7zip/Bundles/Alone2 # 7zz 独立程序目录
├── CPP/7zip/Bundles/Alone # 7za 独立程序目录
├── CPP/7zip/Bundles/Alone7z # 7zr 独立程序目录
├── CPP/7zip/Bundles/Format7zF # 7z.so 动态库目录
├── CPP/7zip/UI/Console # 7z 命令行界面目录
├── CPP/7zip/UI/GUI # 7z 图形界面目录
├── CPP/7zip/UI/IDE # 7z 集成开发环境目录
├── CPP/7zip/UI/Explorer # 7z 文件浏览器目录
├── CPP/7zip/UI/Far # 7z Far Manager 插件目录
├── CPP/7zip/UI/PowerShell # 7z PowerShell 插件目录
└── CPP/7zip/UI/QConsole # 7z Qt 命令行界面目录
2、项目的启动文件介绍
p7zip-zstd 项目提供了多种启动方式,包括 7zz、7za、7zr 和 7z.so。以下是各种启动方式的简介:
-
7zz:这是项目的默认启动方式,支持多种压缩算法和格式,包括 7z、Zip、Gzip、Bzip2、Tar 等。7zz 独立程序位于
CPP/7zip/Bundles/Alone2目录下,使用以下命令编译:cd p7zip/CPP/7zip/Bundles/Alone2 && make -f makefile.gcc或者:
cd p7zip/CPP/7zip/Bundles/Alone2 && make -f ../../cmpl_gcc.mak -
7za:这是 7-Zip 的命令行版本,支持 7z 和 Zip 格式。7za 独立程序位于
CPP/7zip/Bundles/Alone目录下,使用以下命令编译:cd p7zip/CPP/7zip/Bundles/Alone && make -f makefile.gcc或者:
cd p7zip/CPP/7zip/Bundles/Alone && make -f ../../cmpl_gcc.mak -
7zr:这是 7-Zip 的轻量级命令行版本,支持 7z 格式。7zr 独立程序位于
CPP/7zip/Bundles/Alone7z目录下,使用以下命令编译:cd p7zip/CPP/7zip/Bundles/Alone7z && make -f makefile.gcc或者:
cd p7zip/CPP/7zip/Bundles/Alone7z && make -f ../../cmpl_gcc.mak -
7z.so:这是 7z 的动态库版本,可以嵌入到其他应用程序中。7z.so 动态库位于
CPP/7zip/Bundles/Format7zF目录下,使用以下命令编译:cd p7zip/CPP/7zip/Bundles/Format7zF && make -f makefile.gcc或者:
cd p7zip/CPP/7zip/Bundles/Format7zF && make -f ../../cmpl_gcc.mak
3、项目的配置文件介绍
p7zip-zstd 项目支持多种配置文件,用于设置压缩算法、压缩级别、压缩格式等参数。以下是一些常用的配置文件:
-
7z.so 配置文件:该配置文件位于
CPP/7zip/Bundles/Format7zF目录下,用于设置 7z.so 动态库的参数。例如,可以设置压缩算法、压缩级别、压缩格式等。 -
7z 命令行配置文件:该配置文件位于
CPP/7zip/UI/Console目录下,用于设置 7z 命令行的参数。例如,可以设置压缩算法、压缩级别、压缩格式等。 -
7z GUI 配置文件:该配置文件位于
CPP/7zip/UI/GUI目录下,用于设置 7z 图形界面的参数。例如,可以设置压缩算法、压缩级别、压缩格式等。 -
7z PowerShell 配置文件:该配置文件位于
CPP/7zip/UI/PowerShell目录下,用于设置 7z PowerShell 插件的参数。例如,可以设置压缩算法、压缩级别、压缩格式等。
通过修改这些配置文件,可以调整 p7zip-zstd 项目的压缩参数,以满足不同的需求。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00