ts-c-compiler 项目教程
1. 项目介绍
ts-c-compiler 是一个用 TypeScript 编写的多通道 C 语言编译器、汇编器和 X86 模拟器。该项目旨在为简单的原型设计和 16 位玩具操作系统及游戏提供一个便携式的 C 语言编译工具包。它支持 X86 16 位实模式代码生成,并包含浮点 X87 协处理器支持。
主要特点
- 多通道编译器:支持多通道编译,优化代码生成。
- 汇编器:生成 NASM 语法的汇编代码。
- X86 模拟器:支持 16 位实模式代码的模拟。
- 优化器:包含窥孔优化和常量表达式预计算。
2. 项目快速启动
安装
首先,确保你已经安装了 Node.js 和 Yarn。然后,通过以下命令安装 ts-c-compiler:
yarn add @ts-cc/cli @ts-cc/machine
使用示例
以下是一个简单的 C 语言程序示例,并展示如何使用 ts-c-compiler 进行编译。
创建 C 语言源文件
创建一个名为 main.c 的文件,内容如下:
#include <stdio.h>
int main() {
printf("Hello, World!\n");
return 0;
}
编译 C 语言源文件
使用以下命令编译 main.c 文件:
npx ts-c main.c -o output.bin
运行生成的二进制文件
你可以使用模拟器或其他工具运行生成的二进制文件 output.bin。
3. 应用案例和最佳实践
案例 1:编译简单的操作系统内核
假设你正在开发一个简单的 16 位操作系统内核,可以使用 ts-c-compiler 编译内核代码,并生成适合在 16 位实模式下运行的二进制文件。
void kernel_main() {
// 内核初始化代码
}
编译命令:
npx ts-c kernel.c --bootsector -o kernel.bin
案例 2:编译游戏代码
如果你正在开发一个 16 位游戏,可以使用 ts-c-compiler 编译游戏代码,并生成适合在 16 位环境下运行的二进制文件。
void game_loop() {
// 游戏循环代码
}
编译命令:
npx ts-c game.c -o game.bin
4. 典型生态项目
1. NASM 汇编器
NASM 是一个广泛使用的汇编器,支持多种输出格式,包括二进制、可执行文件和库文件。ts-c-compiler 生成的汇编代码可以直接使用 NASM 进行进一步处理。
2. QEMU 模拟器
QEMU 是一个开源的模拟器和虚拟机,支持多种 CPU 架构。你可以使用 QEMU 模拟运行 ts-c-compiler 生成的 16 位二进制文件。
3. Bochs 模拟器
Bochs 是一个开源的 x86 硬件模拟器,支持多种操作系统。你可以使用 Bochs 模拟运行 ts-c-compiler 生成的 16 位二进制文件。
通过这些生态项目,你可以进一步扩展 ts-c-compiler 的功能,并将其应用于更广泛的场景中。
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-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