当前位置: 首页 > article >正文

nanobot 源码解析(五):Skills 系统——让 AI 秒变专家

认识Pass层级结构Pass范围从上到下一共分为5个层级模块层级单个.ll或.bc文件调用图层级函数调用的关系。函数层级单个函数。基本块层级单个代码块。例如C语言中{}括起来的最小代码。指令层级单个IR指令。注意下面代码最好不要用中文使用起来非常麻烦控制台编译目标文件的编码不同会造成乱码。项目目录如下/MyProject├── CMakeLists.txt # CMake 配置文件├── build/ #构建目录│ └── test.c #测试编译代码└── mypass1.cpp # pass 项目代码一测试代码示例test.c#includevoid secret_function() {printf(I am secret\n);}int main() {secret_function();return 0;}二Pass编写项目描述通过解析下面代码的IR将下面代码中的函数名打印出来。mypass1.cpp#include llvm/IR/PassManager.h#include llvm/Passes/PassBuilder.h#include llvm/Passes/PassPlugin.h#include llvm/Support/raw_ostream.husing namespace llvm;// 这个结构体基本是固定模板namespace {struct mypass1 : public PassInfoMixin {//函数回调每次遇到函数时调用这里有重载存在多种入口方式可以以模块为入口PreservedAnalyses run(Function F, FunctionAnalysisManager ) {//这里是主要的逻辑代码我们主要学习的代码在这//打印出当前函数的名字errs() Found Function: F.getName() \n;//只读时返回PreservedAnalyses::all()//存在修改时PreservedAnalyses::none()return PreservedAnalyses::all();}};}//下面基本上是固定的模板每个pass没什么变化可以直接复制粘贴或者背熟。//直接使用需要修改的是下面的模块名称版本号调用参数和调用的pass结构体extern C LLVM_ATTRIBUTE_WEAK::llvm::PassPluginLibraryInfollvmGetPassPluginInfo() {return {LLVM_PLUGIN_API_VERSION,//版本信息mypass1,//模块信息自定义v0.1,//版本号自定义[](PassBuilder PB) {PB.registerPipelineParsingCallback([](StringRef Name, FunctionPassManager FPM,ArrayRef) {if (Name mypass1) {//调用参数FPM.addPass(mypass1());//上面pass结构体return true;}return false;});}};}三Pass的构建构建LLVM Pass需要写CMakeLists.txt构建声明1. 配置CMake配置文件CMakeLists.txt下面的cmake配置可以直接拿去用我已经标注好需要修改的位置#cmake 版本可通过 cmake --version 判断cmake_minimum_required(VERSION 4.1.1) #----修改 cmake版本号#项目名字project(mypass1) #----修改 项目名称#导入项目的 LLVM cmake 配置文件路径(如果根据我之前文章安装这里就相同)set(LLVM_DIR D:/LLVM/llvm-project/build/lib/cmake/llvm)#----修改 llvm cmake配置路径#寻找 LLVM 的包文件#REQUIRED 找不到 LLVM 则停止构建#强制使用 LLVM 安装时生成的配置文件进行定位find_package(LLVM REQUIRED CONFIG)#将 LLVM 的 CMake 模块路径添加到当前 CMake 搜索路径中以便后续使用 include(AddLLVM)。list(APPEND CMAKE_MODULE_PATH ${LLVM_CMAKE_DIR})#引入 LLVM 提供的专用 CMake 宏include(AddLLVM)#将 LLVM 的头文件目录如 llvm/IR/Function.h加入编译器的搜索路径include_directories(${LLVM_INCLUDE_DIRS})#导入 LLVM 编译时使用的宏定义add_definitions(${LLVM_DEFINITIONS})#设置 C 标准为 C17。(这里如果不用17编译会报错)set(CMAKE_CXX_STANDARD 17)#强制要求必须支持 C17如果编译器不支持则失败。set(CMAKE_CXX_STANDARD_REQUIRED ON)#创建一个模块化的库(.dll)add_library(mypass1 MODULE mypass1.cpp) #----修改 项目名称文件名#windows不用会报错导出符号#LLVM Pass 需要暴露一些特定的入口点如 getAnalysisUsage给 opt 工具调用。set_target_properties(mypass1 PROPERTIES WINDOWS_EXPORT_ALL_SYMBOLS ON) #----修改 项目名称# 指定该 Pass 需要链接的 LLVM 核心组件。# LLVMCore: 提供 IR、Function、Module 等核心类。# LLVMSupport: 提供各种辅助工具类如 errs() 输出。target_link_libraries(mypass1 LLVMCore LLVMSupport) #----修改 项目名称文件名# 为该目标设置特定的编译器选项。# /utf-8: 告诉 MSVC 编译器使用 UTF-8 编码处理源代码防止中文注释引起的乱码或编译错误。target_compile_options(mypass1 PRIVATE /utf-8)#----修改 项目名称文件名2.编译并构建Pass打开visual studio的工作台我这里是x64 Native Tools Command Prompt for VS 2022进到build目录#构建项目#其中-DCMAKE_BUILD_TYPERelWithDebInfo不选会报错由于我之前编译的是带符号的relase版本cmake -G Ninja -DCMAKE_BUILD_TYPERelWithDebInfo ..#编译ninja最后出现下面提示即为编译成功[2/2] Linking CXX shared module mypass1.dll四使用你第一个Pass进到build目录#把.c文件编译为.ll#-O1 使用O1优化这里我尝试-O0不优化会导致我的pass无法应用#-Xclang -disable-llvm-passes 不使用默认的pass优化clang -S -emit-llvm -O1 -Xclang -disable-llvm-passes test.c -S -o test.ll#使用passopt -load-pass-pluginmypass1.dll -passesmypass1 test.ll -S -o test_opt.ll输出结果Found Function: sprintfFound Function: vsprintfFound Function: _snprintfFound Function: _vsnprintfFound Function: secret_functionFound Function: printfFound Function: mainFound Function: _vsprintf_lFound Function: _vsnprintf_lFound Function: __local_stdio_printf_optionsFound Function: _vfprintf_l安滓郝挂

相关文章:

nanobot 源码解析(五):Skills 系统——让 AI 秒变专家

认识Pass层级结构 Pass范围从上到下一共分为5个层级: 模块层级:单个.ll或.bc文件 调用图层级:函数调用的关系。 函数层级:单个函数。 基本块层级:单个代码块。例如C语言中{}括起来的最小代码。 指令层级:单…...

SketchUp STL插件技术解析:3D打印工作流效率提升85%的架构设计与实现方案

SketchUp STL插件技术解析:3D打印工作流效率提升85%的架构设计与实现方案 【免费下载链接】sketchup-stl A SketchUp Ruby Extension that adds STL (STereoLithography) file format import and export. 项目地址: https://gitcode.com/gh_mirrors/sk/sketchup-s…...

从『红色警报』到现实网络:聊聊关键节点失效与系统鲁棒性(附Python模拟代码)

关键节点失效与系统鲁棒性:从理论到Python实战 想象一下,当你正在享受流畅的在线视频会议时,突然某个核心服务器宕机,整个系统陷入瘫痪。这种场景不仅出现在战争电影中,更是现代分布式系统每天面临的真实挑战。关键节点…...

你的百度网盘下载为什么这么慢?秘密武器在这里!

你的百度网盘下载为什么这么慢?秘密武器在这里! 【免费下载链接】baidu-wangpan-parse 获取百度网盘分享文件的下载地址 项目地址: https://gitcode.com/gh_mirrors/ba/baidu-wangpan-parse 你是否曾经面对百度网盘的下载界面,看着那缓…...

实测AI读脸术镜像:WebUI界面,上传图片即得分析结果

实测AI读脸术镜像:WebUI界面,上传图片即得分析结果 1. 镜像核心功能与特点 1.1 一键式人脸属性分析 这款AI读脸术镜像最突出的特点就是它的易用性。只需通过简单的Web界面,上传一张包含人脸的图片,系统就能自动完成以下分析&am…...

生产环境如何安全兼容从备份中提取单表数据_跨版本数据恢复方案

...

C++ Protobuf实现接口参数自动校验详解

用C做业务发开的同学是否还在不厌其烦的编写大量if-else模块来做接口参数校验呢?当接口字段数量多大几十个,这样的参数校验代码都能多达上百行,甚至超过了接口业务逻辑的代码体量,而且随着业务迭代,接口增加了新的字段…...

mysql如何快速判断两个数据库结构差异_使用mysqldiff工具.txt

动画系统必须用模板参数控制类型&#xff0c;支持Animation<vec4>和Animation<quat>共享插值逻辑与生命周期管理&#xff0c;要求类型提供static lerp或特化基础路径&#xff0c;播放状态与采样解耦&#xff0c;关键帧用连续内存存储&#xff0c;组合靠BlendAnimat…...

智能访客系统(线上访客预约、线下访客机),提供从访客预约、身份核验、现场登记到联动(闸机、门禁、梯控、车牌识别停车场等出入口)通行的一站式智能化管理解决方案,实现访客全程可追溯、通行更便捷、管理更高效

智能访客系统技术方案第一章 系统概述1.1 项目背景随着智慧楼宇、智慧园区、智慧社区建设的深入推进&#xff0c;传统的访客管理模式已难以满足现代安全管理与高效通行的双重需求。传统人工登记方式存在效率低、数据易丢失、安全隐患大等问题。本方案基于智能访客系统&#xff…...

c++ Protobuf解决数据传输瓶颈面试精讲

1. 什么是 Protobuf?Protobuf&#xff08;Protocol Buffers&#xff09; 是一种轻量级的数据序列化协议&#xff0c;由 Google 开发。它可以用于结构化数据的序列化和反序列化&#xff0c;使得数据在不同系统之间进行传输和存储更加高效。与 XML 和 JSON 等常见的数据交换格式…...

UEFI Setup界面开发避坑指南:grayoutif、suppressif条件控制与varstore变量存储的实战解析

UEFI Setup界面开发避坑指南&#xff1a;条件控制与变量存储的实战解析 在UEFI固件开发中&#xff0c;Setup界面作为用户与系统交互的重要桥梁&#xff0c;其开发质量直接影响用户体验和系统稳定性。本文将深入探讨如何避免UEFI Setup界面开发中的常见陷阱&#xff0c;特别是条…...

软件估算-代码行估算法

代码行技术是比较简单的定量估算软件规模的方法。这种方法根据以往开发的类似产品的经验和历史数据&#xff0c;估算实现一个功能需求的源程序行数。当有以往开发类似项目的历史数据可供参考时&#xff0c;用此方法估算出的历史数据还是比较准确的&#xff0c;把实现每个功能需…...

别再只背课文了!用《新概念英语》Lesson 39的‘鲁莽司机’故事,带你理解软件开发的‘风险无视’陷阱

从《新概念英语》Lesson 39看技术决策中的风险盲区&#xff1a;当工程师变成"鲁莽司机" Bruce的故事在技术圈里每天都在重演——那个对油表报警视若无睹、对路面裂缝毫不在意的司机&#xff0c;像极了我们身边那些对系统告警置之不理、对技术债视而不见的开发团队。当…...

软件规模-功能点分析法

功能点分析法是在20世纪70年代中期由IBM委托 Allan Albrecht 工程师和他的同事为解决代码行度量法所产生的问题和局限性而研究发布&#xff0c;发表于1979年&#xff0c;随后被国际功能点用户协会继承。该方法基于应用软件的外部&#xff0c;内部特性以及软件性能进行一系列间接…...

别再只盯着协议了!手把手教你用示波器实测MIPI D-PHY的HS/LP模式切换波形

示波器实战&#xff1a;深度解析MIPI D-PHY模式切换的波形捕获技巧 当你在调试一块搭载MIPI接口的摄像头模组时&#xff0c;是否遇到过图像传输不稳定、画面闪烁甚至完全无信号的问题&#xff1f;这些现象往往与D-PHY在高速模式(HS)和低功耗模式(LP)之间的切换时序异常有关。本…...

别再只用散点图了!用matplotlib的plt.contourf()给你的机器学习模型画个‘势力范围’

用等高线图解锁机器学习模型的决策奥秘 在机器学习的世界里&#xff0c;模型往往被视为一个"黑箱"——输入数据&#xff0c;输出结果&#xff0c;中间发生了什么却难以直观理解。这种不透明性让很多从业者感到困扰&#xff0c;尤其是在向非技术背景的利益相关者解释模…...

Claude Opus 4.7 来了,但普通人真正缺的不是新模型,是一个会选模型的入口

这不是一篇“谁最强”的测评。模型越更越快&#xff0c;真正稀缺的反而是比较能力。最近几天&#xff0c;如果你一直在看 AI&#xff0c;很容易被一种热闹裹挟&#xff1a;Anthropic 在推 Claude Opus 4.7&#xff0c;OpenAI 连着更新 Agents SDK 和 Codex&#xff0c;Google 也…...

从数据清洗到模型部署:一个完整VGG16乳腺超声分类项目的避坑指南与优化思考

从数据清洗到模型部署&#xff1a;VGG16乳腺超声分类全流程实战精要 医学影像分析正经历着从传统人工判读到AI辅助诊断的范式转移。当我们聚焦于乳腺癌筛查这一关键领域时&#xff0c;超声图像分类任务因其非侵入性和普及性优势&#xff0c;成为计算机视觉技术落地医疗的重要突…...

从“面包重量”到“用户停留时长”:产品经理/运营必懂的CDF与PDF实战解读

从“面包重量”到“用户停留时长”&#xff1a;产品经理/运营必懂的CDF与PDF实战解读 想象你走进一家面包店&#xff0c;发现每个面包的重量都有些微差异——有的重152克&#xff0c;有的148克&#xff0c;几乎没有恰好150克的。这种连续变量的特性&#xff0c;恰恰是理解用户行…...

从理论到实践:一维与二维水污染扩散模型的在线模拟与代码实现

1. 水污染扩散模型的基础原理 第一次接触水污染扩散模型时&#xff0c;我也被那些专业术语搞得一头雾水。后来在实际项目中反复应用才发现&#xff0c;理解这些原理其实就像理解咖啡在杯子里扩散一样简单。想象一下&#xff0c;当你把一勺糖倒入咖啡中&#xff0c;糖分是如何逐…...

【AGI决策能力评估权威框架】:2024全球7大实验室实测数据+3层可验证指标体系首次公开

第一章&#xff1a;AGI的规划与决策能力评估 2026奇点智能技术大会(https://ml-summit.org) AGI的规划与决策能力并非单一维度指标&#xff0c;而是融合目标分解、状态建模、多步推理、反事实评估与实时适应的复合认知过程。当前主流评估框架已从静态任务准确率转向动态环境下…...

2026奇点大会唯一未删减技术圆桌实录(含OpenAI、Ethereum基金会、中科院自动化所三方闭门共识):AGI主权归属的区块链终局方案

第一章&#xff1a;2026奇点智能技术大会&#xff1a;AGI与区块链 2026奇点智能技术大会(https://ml-summit.org) AGI系统与去中心化身份的协同演进 在2026奇点智能技术大会上&#xff0c;核心议题之一是通用人工智能&#xff08;AGI&#xff09;如何依托区块链构建可信自主代…...

Rust的闭包捕获语义分析与内存管理在长期存活闭包中的最佳实践

Rust的闭包捕获语义分析与内存管理在长期存活闭包中的最佳实践 Rust以其独特的所有权系统和内存安全特性著称&#xff0c;而闭包作为函数式编程的核心概念&#xff0c;在Rust中同样扮演着重要角色。闭包的捕获语义和内存管理在长期存活的场景下&#xff08;例如异步任务或事件…...

CMU Subword Modeling | 15 Orthography versus IPA: Why We Need Both

本文解读 CMU “Subword Modeling” (Spring 2026) 第15讲&#xff1a;Orthography versus IPA: Why We Need Both。 这节课回答一个 NLP 从业者常见的疑问&#xff1a;「普通字母表不就能表示声音了吗&#xff1f;为什么还需要 IPA&#xff1f;」答案是文字到语音的映射在三个…...

DNS解析故障排查实战:从“网络不通“到定位根因的完整方法论

DNS解析故障排查实战&#xff1a;从"网络不通"到定位根因的完整方法论 为什么 DNS 故障总是最难发现的那一类 网络故障里&#xff0c;DNS 问题有一个特殊的迷惑性&#xff1a;它让你以为是别的问题。 用户反馈"网络断了"——其实是 DNS 解析失败&#x…...

用 QClaw 打造 AI 小说家,30 万字签约全流程复盘

文章目录前言第一步&#xff1a;下载安装 QClaw第二步&#xff1a;新建自定义 Agent第三步&#xff1a;精心设计小说家人设第四步&#xff1a;对 AI 小说家进行专项培训第五步&#xff1a;明确平台调性&#xff0c;设计世界观第六步&#xff1a;正式派发创作任务总结前言 最近…...

别再花钱买NAS了!用HFS+Nat123在Windows上5分钟搭建个人网盘(附中文汉化)

零成本打造个人云存储&#xff1a;WindowsHFSNat123实战指南 手里有台闲置的Windows电脑&#xff1f;别让它吃灰了。今天我要分享的这套方案&#xff0c;能让你用不到5分钟时间&#xff0c;把旧电脑变成随时可访问的私人云盘。相比动辄上千元的NAS设备&#xff0c;这套方案不仅…...

从零到一:三维重建技术全流程解析

从零到一&#xff1a;三维重建技术全流程解析 三维重建技术正在重塑我们与数字世界的交互方式。想象一下&#xff0c;仅凭几张普通照片就能在计算机中还原出物体的三维形态——这项看似科幻的能力&#xff0c;如今已成为医疗影像、工业检测、文化遗产保护等领域的常规操作。不…...

用PyTorch3D玩转3D艺术:手把手教你生成渐变小牛和旋转植物GIF

用PyTorch3D玩转3D艺术&#xff1a;手把手教你生成渐变小牛和旋转植物GIF 在数字艺术与创意编程的交汇处&#xff0c;PyTorch3D正成为技术爱好者手中的魔法棒。当传统3D建模软件需要复杂操作时&#xff0c;这个基于PyTorch的库让代码生成炫酷视觉效果变得像搭积木一样简单。本文…...

用PyTorch的F.cosine_similarity实现文本/向量两两相似度计算:以推荐系统为例

PyTorch向量相似度计算的工程实践&#xff1a;从原理到推荐系统实战 在推荐系统和自然语言处理领域&#xff0c;向量相似度计算是最基础也最频繁的操作之一。想象一下这样的场景&#xff1a;你的推荐系统需要实时为百万级用户计算他们可能感兴趣的物品&#xff0c;而每个用户和…...