IHP框架中引入自定义GitHub仓库作为Haskell依赖的方法
2025-06-09 23:02:32作者:羿妍玫Ivan
在基于Haskell的IHP框架开发过程中,有时需要引入尚未发布到Hackage的第三方库或自定义分支版本。本文将详细介绍如何通过Nix包管理器将GitHub仓库中的Haskell项目添加为项目依赖。
基本原理
IHP框架使用Nix作为包管理工具,这为引入任意GitHub仓库的代码提供了灵活性。关键在于创建一个自定义的Nix表达式来描述该依赖项。
具体实现步骤
-
准备Cabal文件
确保目标GitHub仓库包含有效的.cabal文件,这是Haskell项目的标准配置文件。 -
创建Nix表达式
在项目目录Config/nix/haskell-packages/下新建.nix文件,例如custom-dependency.nix。文件内容应包含以下关键信息:
{ mkDerivation, base, 其他依赖项..., fetchFromGitHub }:
mkDerivation {
pname = "包名称";
version = "版本号";
src = fetchFromGitHub {
owner = "仓库所有者";
repo = "仓库名称";
rev = "提交哈希";
hash = "SHA256校验值";
};
libraryHaskellDepends = [ 依赖的Haskell包列表 ];
homepage = "项目主页";
description = "项目描述";
license = lib.licenses.许可证类型;
}
-
获取仓库信息
rev: 指定具体的Git提交哈希hash: 可通过Nix的nix-prefetch-url工具获取
-
集成到项目
在flake.nix文件中像常规依赖一样引用这个自定义包。
实际应用示例
假设需要引入一个处理ICU字符集的Purebred库分支:
{ mkDerivation, base, case-insensitive, lib, purebred
, purebred-email, text, text-icu, fetchFromGitHub
}:
mkDerivation {
pname = "purebred-icu";
version = "0.1.0.0";
src = fetchFromGitHub {
owner = "purebred-mua";
repo = "purebred-icu";
rev = "dc8addbc5e0bb79b58a25cc9351d8da1dbb25c1b";
hash = "sha256-xQQO2joYUeRhKPrg+znnMFUwyM3vZeCACDxGbOtfoiw";
};
libraryHaskellDepends = [
base case-insensitive purebred purebred-email text text-icu
];
description = "ICU charset support for purebred";
license = lib.licenses.agpl3Plus;
}
注意事项
- 确保所有依赖项都已正确列出在
libraryHaskellDepends中 - 提交哈希应指向稳定的版本,避免使用可能变化的分支引用
- 对于复杂的项目,可能需要额外配置构建参数
通过这种方法,开发者可以灵活地集成任何GitHub上的Haskell代码库到IHP项目中,无论其是否已发布到官方包仓库。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- 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
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
573
3.87 K
Ascend Extension for PyTorch
Python
392
472
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
898
694
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
358
217
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
123
160
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.38 K
784
昇腾LLM分布式训练框架
Python
122
147
暂无简介
Dart
811
199
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
533
235
React Native鸿蒙化仓库
JavaScript
312
363