Homebrew Emacs Plus 安装问题解析:private method `new' called for Tap:Class
在 macOS 系统上使用 Homebrew 安装 Emacs Plus 时,部分用户遇到了一个错误提示:"private method `new' called for Tap:Class"。这个问题主要出现在尝试安装 emacs-plus@30 版本时,其根源在于 Homebrew 核心代码的变更与 Emacs Plus 公式中 URL 解析逻辑的不兼容。
问题背景
Emacs Plus 是 Homebrew 上的一个流行 tap,提供了增强版的 Emacs 编辑器安装选项。当用户执行 brew install emacs-plus@30 命令时,系统会报错并中断安装过程。这个错误并非源于用户的系统配置问题,而是公式代码与新版本 Homebrew 的兼容性问题。
技术原因分析
问题的核心在于 Homebrew 4.2.11 版本引入的变更(具体为 PR #16834),该变更修改了 Tap 类的接口。原本 Emacs Plus 公式中的 UrlResolver.rb 文件第7行使用了 Tap.new 方法来创建 tap 实例,但在新版本 Homebrew 中,这个方法被标记为私有方法,不再允许直接调用。
正确的做法应该是使用 Tap.fetch 方法来获取 tap 实例。这种变更属于 Homebrew 内部 API 的调整,目的是为了提供更安全、更规范的 tap 管理方式。
解决方案
对于遇到此问题的用户,有以下几种解决方法:
-
等待公式更新:仓库维护者已经确认这是一个需要修复的问题,并会接受相关 PR 进行修正。用户可以关注项目更新。
-
临时解决方案:有技术能力的用户可以手动修改本地公式文件,将
Tap.new替换为Tap.fetch(TAP_OWNER, TAP_REPO)。 -
重新安装 Homebrew:有用户报告通过完全重新安装 Homebrew 解决了此问题,但这种方法较为激进,会移除所有已安装的软件包。
影响范围
此问题主要影响:
- 使用较新版本 Homebrew (4.2.11+) 的用户
- 尝试安装 emacs-plus@30 版本的用户
- macOS 系统用户,特别是 ARM64 架构的设备
最佳实践建议
对于依赖 Emacs 进行工作的用户,建议:
- 首先尝试安装其他版本的 Emacs Plus(如非@30版本)
- 如果必须使用@30版本,可以考虑从源码编译安装
- 关注项目更新,等待官方修复此兼容性问题
这个问题展示了开源软件生态中版本兼容性的重要性,也提醒用户在遇到类似问题时,可以通过检查版本变更日志和社区讨论来寻找解决方案。
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