解决riscv-gnu-toolchain在macOS上的libc++编译问题
在macOS系统上构建riscv-gnu-toolchain工具链时,开发者可能会遇到与libc++相关的编译错误。这些错误通常表现为__abi_tag__属性应用不当的问题,特别是在使用较新版本的Xcode工具链时。
问题现象
当使用macOS 14.6.1(Sonoma)系统自带的Apple Clang 15.0.0编译器构建riscv-gnu-toolchain时,编译过程会报错,错误信息显示__abi_tag__属性只能应用于结构体、变量、函数和命名空间,但当前却被错误地应用在了其他位置。
问题根源
这个问题源于GCC编译器与macOS系统libc++库的兼容性问题。具体来说,是GCC对C++标准库中某些特性的支持与新版本libc++的实现方式存在差异。该问题在GCC的bug跟踪系统中已有记录,并且已在GCC 13.3及更高版本中修复。
解决方案
目前有两种可行的解决方案:
-
使用GCC 13.3或更高版本: 开发者可以手动获取GCC 13.3或更高版本的源代码,并在构建riscv-gnu-toolchain时指定使用这些源代码:
git clone https://github.com/riscv-collab/riscv-gnu-toolchain cd riscv-gnu-toolchain git clone https://github.com/gcc-mirror/gcc -b releases/gcc-13.3.0 gcc-13.3.0 --depth=1 ./configure ... --with-gcc-src=`pwd`/gcc-13.3.0 make -
等待官方更新: riscv-gnu-toolchain项目正在准备升级到GCC 14.2版本,该版本已经包含了这个问题的修复。一旦这个更新合并到主分支,开发者就可以直接使用官方提供的工具链而无需额外配置。
技术背景
这个问题涉及到ABI(应用二进制接口)标签的使用。ABI标签是现代C++中用于版本控制和二进制兼容性的重要机制。不同编译器厂商对C++标准的实现细节可能存在差异,特别是在处理标准库特性时。GCC和Clang/libc++在这方面的实现差异导致了此次兼容性问题。
最佳实践建议
对于macOS开发者,建议:
- 关注riscv-gnu-toolchain项目的更新,特别是GCC版本的升级
- 如果急需使用,可以采用上述手动指定GCC源代码的方式
- 考虑使用Linux环境进行开发,通常能获得更好的兼容性
- 保持Xcode和命令行工具的更新,但要注意新版本可能引入的新问题
随着RISC-V生态系统的不断发展,工具链的跨平台支持也在持续改进。开发者可以期待未来版本中这些问题将得到更好的解决。
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