Cargo 与 monorepo:Rust 大型项目的代码组织范式对比与选择

【零基础学Rust | 基础系列 | Cargo工具】Cargo介绍及使用 在编程世界中,工具的选择与使用同样重要,甚至有时候比编程语言本身更为重要。对于Rust来说,Cargo就是这样一款强大的工具。本文将详细介绍Cargo的各项功能,并通过实例演示如何使用这些功能。希望通过本文,读者能够熟练掌握Cargo的使用,从而更好地进行Rust开发。 阅读详情

Cargo 与 monorepo:Rust 大型项目的代码组织范式对比与选择

一、项目膨胀时的选择焦虑

我的 AI CLI 工具最初只有一个 crate——main.rs 加 lib.rs,总共不到 2000 行。当时觉得 Cargo 太方便了,一个 cargo build 就从头到尾搞定。

一年后,代码膨胀到了 6 万行:LLM Provider 适配层、Prompt 模板引擎、配置管理系统、数据库 ORM 层、CLI 交互界面……全部塞在一个 crate 里。编译时间从 10 秒涨到 3 分钟,任何改动都要重新编译整个项目。更要命的是,不同模块之间的依赖关系乱成一团——Provider 适配层引用了 CLI 的工具函数,数据库层又依赖了 Prompt 模板的类型。

这就是大型 Rust 项目迟早要面对的抉择:拆成多 crate(monorepo polyrepo),还是用 feature flag 做模块化(单 crate 多 feature)。这篇文章我会把两种方案在真实项目里的表现拆开讲。

二、单 Crate 多 Feature:最轻量的模块化

Feature flag 是 Cargo 内置的编译期条件编译机制。通过 feature,你可以在一个 crate 里按需启用不同的模块。

# Cargo.toml
[package]
name = "ai-cli"
version = "0.5.0"
edition = "2021"

[features]
# 定义 feature 树
default = ["cli", "config-file"]  # 默认开启 CLI 和文件配置

# 各个子模块作为独立 feature
llm-openai = ["reqwest"]          # OpenAI 适配,依赖 reqwest
llm-deepseek = ["reqwest"]        
llm-anthropic = ["reqwest"]
cli = ["clap", "dialoguer"]       # CLI 模块
config-file = ["toml"]            # 文件配置
config-env = []                   # 环境变量配置
database = ["sqlx"]               # 数据库模块
http-server = ["axum", "tower"]   # HTTP 服务端模块

# 依赖声明
[dependencies]
reqwest = { version = "0.12", features = ["json", "stream"], optional = true }
clap = { version = "4.5", features = ["derive"], optional = true }
dialoguer = { version = "0.11", optional = true }
toml = { version = "0.8", optional = true }
sqlx = { version = "0.7", features = ["runtime-tokio", "postgres"], optional = true }
axum = { version = "0.7", optional = true }
tower = { version = "0.4", features = ["limit"], optional = true }

对应的代码结构:

// src/lib.rs —— 所有模块都声明,但编译期按 feature 剔除
// 这样做的代价:即使不需要数据库,代码仍然在源码树里

/// 主库入口
pub mod core;       // 核心类型——始终编译
pub mod config;     // 配置模块

// 条件编译——只有启用了对应 feature 才编译这些模块
#[cfg(feature = "llm-openai")]
pub mod llm_openai;

#[cfg(feature = "llm-deepseek")]
pub mod llm_deepseek;

#[cfg(feature = "cli")]
pub mod cli;

#[cfg(feature = "database")]
pub mod db;

/// 根据 feature 组合选择的 Provider
pub fn create_provider() -> Box<dyn core::LlmProvider> {
    #[cfg(feature = "llm-openai")]
    {
        return Box::new(llm_openai::OpenAiProvider::new());
    }
    
    #[cfg(feature = "llm-deepseek")]
    {
        return Box::new(llm_deepseek::DeepSeekProvider::new());
    }
    
    // 编译期保证:至少有一个 LLM feature 被启用
    #[allow(unreachable_code)]
    panic!("至少需要启用一个 LLM Provider feature (llm-openai 或 llm-deepseek)")
}

// main.rs 里的选择性编译
#[cfg(feature = "cli")]
fn main() {
    // CLI 模式的入口
    cli::run();
}

#[cfg(not(feature = "cli"))]
fn main() {
    println!("此构建不包含 CLI 功能");
}

单 crate 方案的优劣:

优点:

  • 零额外开销——不需要维护多个 crate 的版本号、不需要在 crates.io 发布;
  • 模块间的私有访问——同一个 crate 内的 pub(crate) 在所有 feature 间共享;
  • 原子提交——改一个 bug 只需要一次 commit。

缺点:

  • IDE 会索引所有代码——即使你的分支只启用 cli feature,rust-analyzer 还是会检查 http-server 的代码。项目大了之后 IDE 卡顿明显;
  • 编译时间不会线性减少——Cargo 的增量编译在 feature 粒度上不如 crate 边界清晰;
  • 隐式依赖风险——一个 feature 启用了某个依赖,其他 feature 的代码也可能"不小心"引用它。

三、多 Crate Monorepo:工业级项目的标准答案

当项目超过 3 万行,我推荐用多 crate 的 workspace 模式——一个仓库,多个子 crate。

ai-tool/                          # workspace 根目录
├── Cargo.toml                     # workspace 声明
├── crates/
│   ├── core-types/               # 核心类型——所有 crate 的公共依赖
│   │   ├── Cargo.toml
│   │   └── src/
│   │       ├── lib.rs
│   │       ├── config.rs          # Config 类型定义
│   │       └── error.rs           # 统一错误类型
│   │
│   ├── llm-provider/             # LLM Provider 适配层
│   │   ├── Cargo.toml
│   │   └── src/
│   │       ├── lib.rs
│   │       ├── openai.rs
│   │       ├── deepseek.rs
│   │       └── router.rs
│   │
│   ├── prompt-engine/            # Prompt 模板引擎
│   │   ├── Cargo.toml
│   │   └── src/
│   │       ├── lib.rs
│   │       ├── template.rs
│   │       └── context.rs
│   │
│   ├── config-layer/             # 配置加载层
│   │   ├── Cargo.toml
│   │   └── src/
│   │       ├── lib.rs
│   │       ├── file.rs
│   │       └── env.rs
│   │
│   ├── storage/                  # 数据存储层
│   │   ├── Cargo.toml
│   │   └── src/
│   │       ├── lib.rs
│   │       ├── sqlite.rs
│   │       └── postgres.rs
│   │
│   ├── app-cli/                  # CLI 应用入口
│   │   ├── Cargo.toml
│   │   └── src/
│   │       └── main.rs
│   │
│   └── app-server/               # HTTP 服务端入口
│       ├── Cargo.toml
│       └── src/
│           └── main.rs
│
└── benches/                      # 基准测试
    └── inference_bench.rs

Workspace 的 Cargo.toml:

# ai-tool/Cargo.toml (workspace 根)
[workspace]
members = [
    "crates/core-types",
    "crates/llm-provider",
    "crates/prompt-engine",
    "crates/config-layer",
    "crates/storage",
    "crates/app-cli",
    "crates/app-server",
]

# 所有 crate 共用的版本约束
[workspace.dependencies]
serde = { version = "1", features = ["derive"] }
tokio = { version = "1", features = ["full"] }
anyhow = "1"
thiserror = "1"

# 内部 crate 使用 workspace 依赖(保证版本统一)
# [dependencies]
# serde = { workspace = true }
# tokio = { workspace = true }

子 crate 的 Cargo.toml 示例:

# crates/llm-provider/Cargo.toml
[package]
name = "ai-llm-provider"
version = "0.1.0"
edition = "2021"

[dependencies]
# 内部依赖——使用路径引用,保证版本一致
ai-core-types = { path = "../core-types" }
ai-prompt-engine = { path = "../prompt-engine" }

# 外部依赖——统一从 workspace 继承
serde = { workspace = true }
tokio = { workspace = true }
reqwest = { version = "0.12", features = ["json", "stream"] }

多 crate 方案的优劣:

优点:

  • 编译隔离——改 app-cli 不会触发 llm-provider 的重新编译;
  • 显式依赖图——每个 crate 的 Cargo.toml 清楚写了依赖谁,不存在隐式引用;
  • IDE 性能——rust-analyzer 只需要索引当前工作的 crate 和它的直接依赖;
  • 访问控制——pub 标记天然形成了 API 边界。

缺点:

  • 版本同步——7 个子 crate 全部改版本号时容易漏掉;
  • 循环依赖——多 crate 禁止循环依赖,前期需要仔细规划依赖图;
  • 发布成本——如果需要发布到 crates.io,每个子 crate 要单独维护。

四、依赖图设计与避免循环依赖

多 crate 模式最难的是依赖图设计。一个常见的坑是:core-types 定义了一个 Message 类型,prompt-engine 需要操作 Message,而 llm-provider 又需要知道 Message 的格式——如果 core-types 依赖了 prompt-engine,就形成了循环。

解决循环依赖的两种方法:

  1. 提取公共类型到 core-types——被多个 crate 依赖的类型往上提;
  2. 依赖反转(trait 定义在上层)——prompt-engine 定义 trait MessageSource,llm-provider 实现这个 trait。
// crates/prompt-engine/src/lib.rs
// prompt-engine 不依赖 llm-provider,而是定义 trait

/// 消息源 trait——由上层实现
pub trait MessageSource {
    fn get_messages(&self) -> Vec<Message>;
    fn get_system_prompt(&self) -> &str;
}

/// 模板引擎只依赖 trait,不关心具体实现
pub fn render_template<S: MessageSource>(
    source: &S,
    template: &PromptTemplate,
) -> String {
    let messages = source.get_messages();
    // ... 渲染逻辑
}

// crates/llm-provider/src/lib.rs
// llm-provider 实现 trait
use ai_prompt_engine::MessageSource;

impl MessageSource for OpenAiProvider {
    fn get_messages(&self) -> Vec<Message> {
        self.conversation.clone()
    }
    
    fn get_system_prompt(&self) -> &str {
        &self.system_prompt
    }
}

我们的 monorepo 在拆成 6 个 crate 后,cargo build 全量编译从 4.1 分钟涨到了 5.8 分钟——因为 crate 之间多了序列化/反序列化的开销。但增量编译从 1.2 分钟降到了 11 秒。这个 trade-off 值不值?对日常开发来说绝对值——每天省下的编译等待时间,累计起来比 CI 多花的 40 秒全量时间重要一百倍。

五、总结

单体 crate 和多 crate 的最后选择取决于两个指标:

  1. 编译时间——cargo build --timings 看哪个 crate 是编译瓶颈。如果改一行代码需要等 3 分钟,就该拆了;
  2. 团队分工——前端组只管 app-cli,后端组只管 app-server,拆开后可以并行开发互不影响。

我的建议路径:初创项目(< 5000 行)→ 单 crate + feature flag;成长到中等规模(5000-30000 行)→ 拆出 core-types 和 config-layer,其他保留单体;大型项目(> 30000 行或 3 人以上团队)→ 完整的多 crate workspace。

但也要给出一个人的警示:不要过早拆分。我见过一个 5000 行项目拆成了 8 个 crate,每次改一个类型要从 core-types→adapter→engine→app 一路改上来,版本同步的痛苦远超编译时间的节省。拆分是手段不是目的,编译时间没超过 1 分钟之前,单 crate 够用了。

Rust:专属的cargo工具介绍 Cargo 是 Rust 的构建系统和包管理器。Rust 开发者常用 Cargo 来管理 Rust 工程和获取工程所依赖的库。在上个教程中我们曾使用 cargo new greeting 命令创建了一个名为 greeting 的工程,Cargo 新建了一个名为 greeting 的文件夹并在里面部署了一个 Rust 工程最典型的文件结构。这个 greeting 文件夹就是工程本身。 阅读详情

相关推荐

Rust: Cargo Workspaces 多项目(即 Monorepo)

Rust: Cargo Workspaces 多项目(即 Monorepo) 文章目录Rust: Cargo Workspaces 多项目(即 Monorepo)Workspaces?Monorepo?Cargo Workspace 特征项目实践项目结构项目构建构建项目根目录配置文件 Cargo.toml声明依赖项目功能填充打包运行小结其他资源参考连接完整代码示例 Workspaces?Monorepo? 作为一个前端人,相信大家对于近期越来越火的 monorepo 都略有耳闻,从 lerna、yarn w

超悠閒的博客 8012

Rust之Cargo构建、运行、调试

的工程,Cargo 新建了一个名为 helloworld 的文件夹并在里面部署了一个 Rust 工程最典型的文件结构。调试程序的方法与其它环境相似,只需要在行号的左侧点击红点就可以设置断点,在运行中遇到断点会暂停,以供开发者监视实时变量的值。为该工程的配置文件,这个关系类似于: package.json 是 npm 的配置文件。Cargo是rustup安装后自带的,Cargo 是 Rust 的构建系统和包管理器。是编译后的文件目录。

write less , do more 7117

深入解析Cargo未来愿景:构建性能、依赖管理与大型项目支持

包管理器是现代软件开发中的核心基础设施,它通过自动化依赖解析和版本控制来管理项目所需的外部库和工具。其工作原理通常基于声明式配置文件,从中央仓库获取、验证并安装依赖项,确保开发环境的一致性和可重复性。在技术价值层面,优秀的包管理器能显著提升开发效率、保障构建稳定性,并促进代码复用和生态繁荣。在实际应用场景中,开发者会特别关注构建速度、离线支持、跨平台编译以及大规模项目管理等工程实践需求。Rust语言的Cargo正是这样一个关键工具,其未来的发展蓝图“A Vision for Cargo”旨在通过优化构建性能

weixin_28826961的博客 329

学习笔记一—— Rust 包管理神器 Cargo 全面详解

Rust 之所以被称为“工程师的语言”,是因为它把代码质量和工程实践融合得非常深入,而Cargo 就是这种理念的体现。如何用 Cargo 创建、运行、管理项目Cargo.toml和Cargo.lock的作用与区别如何使用features做功能开关如何通过workspace组织大型项目构建优化(debug/release)常见命令操作。

pumpkin84514的博客 2787

《Rust 实战指南》第 7 章:Cargo —— 重新定义工程化体验

本章介绍Rust的工程管理工具Cargo,它集成了包管理、构建、测试和文档生成等功能。Cargo使用TOML格式的配置文件(Cargo.toml),支持语义化版本控制和特性开关(Feature Flags),帮助开发者高效管理依赖。重点讲解了如何利用Workspace功能构建Monorepo项目结构,包括创建子模块、配置依赖关系等。此外还介绍了代码质量工具cargo fmt(格式化)和cargo clippy(静态分析),帮助开发者编写符合Rust风格的代码。

撸码猿的博客 822

Rust项目构建与管理:深入理解Cargo

本文还有配套的精品资源,点击获取 简介:Cargo是Rust编程语言的核心构建系统,负责依赖管理、编译、测试和打包等。本文详细介绍了Cargo的工作原理、子命令、插件以及如何在持续集成和部署(CI/CD)中应用。了解Cargo对于Rust开发者而言是不可或缺的,它使得构建和管理Rust项目变得更加高效和标准化。 1. Cargo作为Rust的标准构建系统 1...

weixin_42497762的博客 2828

Cargo 与 Bazel:两种构建系统在 Rust 大型项目中的取舍分析

Cargo——Rust 专属、简单直观、生态完善。纯 Rust 项目首选。Bazel——多语言、增量精确、分布式缓存。大团队多语言项目的最佳选择。迁移成本——如果未来可能上 Bazel,建议一开始就把Cargo.toml和目录结构调整好,减少后续迁移的工作量。混合使用——也可以在 Bazel 项目中让 Bazel 管理外部依赖,内部 Rust 代码继续用开发(通过 Bazel 的 genrule 桥接)。

no1coder的博客 4689

(程序设计方法与实践)达拉崩吧的酒宴

达拉崩吧的酒宴 Description 很久很久以前,巨龙突然出现,带来灾难带走了公主又消失不见,王国十分危险,世间谁最勇敢,一位勇者赶来大声喊:“我要带上最好的剑,翻过最高的山,闯进最深的森林,把公主带回到面前”……最后,英雄 达拉崩巴斑得贝迪卜多比鲁翁 ,他战胜了巨龙 昆图库塔卡提考特苏瓦西拉松 ,国王把公主 米娅莫拉苏娜丹妮谢莉红 嫁给了 达拉崩巴斑得贝迪卜多比鲁翁 。 于是国王第二天要在 蒙达鲁克硫斯伯古比奇巴勒城 举办酒宴,一共准备了 N 桶酒。此时一位忠诚的仆人来报,有人在其中一桶酒里下毒,

What_If_I的博客 894

Wasmtime 代码贡献规范实战:从 rustfmt、Clippy 到 cargo vet 与 unsafe 审查

本指南以 Wasmtime 仓库的 [docs/contributing-coding-guidelines.md](https://link.gitcode.com/i/f483d77ae0590c802372eaf502624624) 为骨架,系统讲解向 Wasmtime 提交代码时必须遵守的工程规范:代码格式化、编译器警告与 lint 策略、Clippy 的按需启用机制、MSRV(最低支持

gitblog_00388的博客 1150

无人机上下通信信号解析程序和代码

总的来说,无人机上下行信号解析是无人机系统中非常重要的一部分,它关系到无人机的飞行控制和图像传输能力,对于保障无人机的飞行安全和数据传输质量具有重要作用。3. 读取和解析地面控制中心发送的命令和数据:程序还需要能够读取地面控制中心发送给无人机的命令和数据。1. 读取和解析无人机发送的命令和数据:程序需要能够读取无人机发送的信号,并解析其中的命令和数据。4. 将解析结果传递给无人机:解析地面控制中心发送的命令和数据后,程序需要将解析结果传递给无人机。具体的实现方式可以根据无人机的通信协议和硬件设备来确定。

2401_84824274的博客 2191

ENSP内使用wireshark进行抓包,并且解析icmp报文

前四位:54 89 98 e8 20 38 为ip报文包的mac地址也就是物理地址。一开始进行抓包是没有icmp报文的,需要我们在ensp中使用pc1请求联通pc9。协议编号后分别为:ip版本、ip首部报文长度、服务类型、ip报文总长度。最后为校验和 、源ip地址、目的ip、从08 00开始为真正的数据。我们需要实验的端口为:0/0/4,也就是抓包第三个交换机内的报文。其中显示的icmp报文就是我们需要解析的ip报文。源mac地址后跟着的就是协议编号: 08 00。根据ip报文包的结构我们进行解析。

2301_81713278的博客 2142

系统级工具链开发与 Cargo Workspaces 工作区管理:基于 Monorepo 的多 Crates 组织实战

自学 Rust,不仅要学会写语法,更要学会如何组织高质量的工程代码。理清 Cargo Workspaces 共享Cargo.lock与target/输出目录的原理,熟练将复杂系统拆解为 Core、API 与 CLI 子包,善用进行依赖继承,才能摆脱单文件混乱泥潭,做出结构清晰、编译高效的系统级 Rust 工具。

no1coder的博客 5312

避坑指南:中国地面气候日值数据集(V3.0)处理中的常见错误与解决方案

本文详细解析了中国地面气候日值数据集(V3.0)处理中的常见错误与解决方案,包括数据清洗、特征值解码、时间序列处理和质量控制等关键步骤。通过Python实战代码示例,帮助研究者高效处理这一包含全国699个气象站多要素日值数据的数据集,避免常见陷阱,提升气候变化研究和农业气象分析的准确性。

xray4的博客 1032

Tailwind CSS 项目全景图:从 Monorepo 架构到 Rust 引擎,一文读懂代码组织

Tailwind CSS 是一款 utility-first 的 CSS 框架,而其源码仓库本身就是一份值得学习的大型 Monorepo 样板:TypeScript 核心、Rust 扫描引擎、多平台 Node.js 桥接与九大框架集成层,全部收纳在同一仓库中协作开发。本文带你快速看懂这个 Tailwind CSS 仓库的代码组织方式,从目录布局到构建链路,一篇讲透。🗺️ ## 一、顶层目录:一

gitblog_00082的博客 597

STM32F103多通道PWM输出避坑指南:TIM1_CH1异常输出的解决方案

本文深入解析STM32F103多通道PWM输出中的TIM1_CH1异常问题,提供从时钟配置到GPIO复用的系统化解决方案。通过黄金法则配置流程和高级调试技巧,帮助开发者快速定位并解决PWM输出不稳定、占空比异常等问题,同时拓展多定时器协同和互补PWM等高级应用场景。

weixin_29194817的博客 119

声品质粗糙度matlab,声品质的应用分析方法

声品质的应用分析方法2016-04-05 09:18:57阅读次数:14198摘要:声品质分析在噪声的主观评价方面已经得到越来越多的应用。本文比较了声品质分析与传统计权声级的区别,并介绍了在声品质分析的实际应用中,针对稳态信号、非稳态信号的几种不同分析方法,以及各分析方法的要求和特点。关键词:声品质,响度,尖锐度,粗糙度,波动度1前言传统评价噪声的方法主要为计权声压级,用以反映声音的大小。但是人耳...

weixin_30767323的博客 2443

Rust 模块、Crate 与 Workspace 组织之道:为 Python 开发者定制的代码组织指南(RustTraining python-book 第 8 章)

> **导读**:本文以 RustTraining 仓库中 [python-book/src/ch08-crates-and-modules.md](https://link.gitcode.com/i/2ba09f49ae4124018d4657ae25b79ff7) 为核心骨架,系统对比 Python 与 Rust 的代码组织方式:从 `import`/`__init__.py` 到 `mod

gitblog_00655的博客 812

【软考中级】多媒体应用设计师复习笔记第十章【free】

第10章法律法规与标准规范 行业标准 缩写的大写拼音 地方标准 DB加生代码 企业标准Q加斜线企业代号国际标准是国际标准化组织ISO和国际电工委员会IEC制定的标准 国家标准是由国务院标准化行政主管部门制定,全国范围内使用 ?强制性国家标准的代号为GB,推荐性国家标准的代号为GB/T。 ?软件开发规范GB8566-88属于强制性国家标准 在这里插入图片描述 行业标准代号由大写汉语拼音字母组成,加上斜线和T,组成推荐性行业标准,如XX/T。已经发布的行业代号有QJ(航天),SJ(电子

weixin_47120900的博客 642

cargo-stow 实战:用工作区 Lint 规则治理 Rust Monorepo 的结构与依赖

本指南围绕 baml 仓库内自研的 cargo 子命令 **cargo-stow**([baml_language/crates/tools_stow/README.md](https://link.gitcode.com/i/ef49ea59480d6e23d46fd823a3b4496e))展开,讲解它如何为大型 Rust workspace 提供结构校验、命名规范、依赖约束与依赖图可视化。读

gitblog_01187的博客 205

4-都2026年了,嵌入式发展前景怎么样,还适合入行吗?

本文系统分析了嵌入式行业的发展前景,指出到2026年嵌入式将迎来由"万物智联"驱动的黄金周期。文章回顾了嵌入式技术的四个演进阶段,从专用计算机到AIoT时代,强调其技术积累的延续性。作者从人才流向、产业智能化转型、高校新增专业等角度论证嵌入式行业的蓬勃发展,并提出"铁三角"模型分析其驱动力和护城河。最后给出职业发展路径建议,认为嵌入式适合长期主义者,在智能汽车、边缘计算等领域有广阔前景。文章建议读者抓住产业升级机遇,选择这一稳定且有复利效应的技术赛道。

指尖动听知识库 395

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

深入解析 Rust 代码格式化:cargo fmt 的原理、实践与工程化治理

本文深入探讨Rust语言中cargofmt工具的工作原理与工程实践。作为基于AST的格式化工具,rustfmt通过词法、语法分析和布局计算确保代码风格一致性,其"不可协商"的设计理念消除了无谓争论。文章详细解析了rustfmt的核心格式化规则、rustfmt.toml配置选项,并阐述了如何将其集成到编辑器、Git钩子和CI/CD流程中。同时指出其局限性,强调与clippy工具的互补性,提出"格式化即设计"理念,最后给出不同场景下的最佳实践建议。cargofmt不仅是格

小二丶的博客 953

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

如何为 Tailwind CSS 贡献代码:开发环境搭建与 monorepo 工作流完全指南

Tailwind CSS 是一款「utility-first(原子化优先)」的 CSS 框架,帮助开发者以极速方式搭建自定义用户界面。本指南带你从零搭建 Tailwind CSS 贡献者开发环境:它是一个 **pnpm + Turborepo + Rust Cargo 驱动的 monorepo(单仓多包)**,一套命令即可完成安装、构建与测试。只需约 10 分钟,你就能跑通整个工作流并提交你的第一

gitblog_00511的博客 723

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

PocketPal AI 完整实战指南:在手机上部署离线大模型,从选型到调优

PocketPal AI 是一个把大语言模型完整搬进手机的应用:你下载一次模型,之后聊天、语音、工具调用全部在设备本地完成,不依赖云账号,对话内容也绝不上传服务器。本文带你走一遍手机本地大模型的实战路线:先跑起来,再按设备标准选对模型,最后学会调参、建专属助手,并避开下载失败这类常见坑。 ## ✈️ 场景切入:飞行模式下,你的 AI 助手照常工作 想象一下:长途航班上、高铁隧道里,或者一次不想

gitblog_00430的博客 844

Proton Authenticator 桌面端开发指南:在 WebClients pnpm monorepo 中配置 rust-analyzer 与 Tauri target 目录隔离

本文以仓库内 [applications/authenticator/README.md](https://link.gitcode.com/i/ad45bdc51c69a3e73a76067ff29c2143) 的 Rust 开发环境笔记为骨架,系统讲解在 Proton WebClients 这一多语言 pnpm monorepo 中,如何为基于 Tauri v2 的 Proton Authen

gitblog_00870的博客 329

convex-backend 的 TypeScript monorepo 开发指南:工作流、依赖管理与代码组织

convex-backend 是一个开源的反应式数据库(reactive database)后端项目,其代码仓库采用「Rust 核心 + TypeScript monorepo」的双层结构。位于 [npm-packages/AGENTS.md](https://link.gitcode.com/i/f8a034464710cad545105fb3042d12d8) 的这份文档是面向在该仓库中参与

gitblog_00917的博客 939

Rust Workspace 多项目管理:Monorepo 架构的最佳实践

Workspace 是 Rust 处理大型项目的核心机制,它通过统一的依赖管理、共享的构建缓存、灵活的组织策略,支持了从小型库到大型 monorepo 的各种规模。深入理解 workspace 的工作原理和最佳实践,能够构建可维护、高性能的 Rust 项目架构。🎯。

2501_94030080的博客 465
上一篇: 端侧 AI 的全景图:WASM、WebGPU 和 ONNX 的三角关系的深度剖析
下一篇: 多 Agent 协作的工程实现:用 Rust Actor 模型构建 agent 通信网络
第一程序员
博客等级 码龄1年 1万+粉丝 1822原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值