企业官网建设流程全解析

Taichi 源码开发环境搭建指南：基于 Conda 创建 taichi-dev 环境与工具链自动注入

【免费下载链接】taichiProductive, portable, and performant GPU programming in Python.项目地址: https://gitcode.com/GitHub_Trending/ta/taichi

导读

本文讲解如何在 Linux/macOS 上使用 Conda 为 Taichi（taichi-lang）源码开发搭建隔离的 Python 环境taichi-dev：从创建环境、安装开发依赖，到通过 Conda 的activate.d机制自动注入 C++ 编译器、LLVM 工具链与 CMake 构建参数。读完本文，你将掌握一套可复现的 Taichi 源码编译前置环境配置流程，并能按需定制工具链变量，为后续setup.py develop开发模式或完整 wheel 构建做好准备。

适用场景与前置条件

conda/README.md定位明确：这是一份面向 Taichi 源码开发者的环境准备指南，而非普通用户的pip install taichi安装教程。普通用户无需构建源码，直接通过 pip 安装即可；只有当你要参与编译器、图形学或高性能计算相关功能的开发时，才需要按本文流程搭建开发环境。

平台限制

仓库conda/README.md明确注明：目录中提供的脚本目前只支持 Linux 与 macOS。Windows 用户需要等价的 bat 脚本，当前仓库中尚无对应实现（见 conda/README.md）。这意味着本流程依赖 POSIX shell 与 bash 特性，Windows 上请另寻 WSL 或等待社区补充。

安装 Conda

环境管理依赖 Conda（Miniconda 即可）。请从 Conda 官方渠道下载并安装与你操作系统匹配的 Miniconda，安装完成后确保conda命令可用。后续所有操作都基于命令行完成。

第一步：创建 taichi-dev 开发环境

进入仓库的conda目录，用conda_env.yaml声明式地创建环境：

# 假设你位于仓库根目录 $ cd conda $ conda env create -f conda_env.yaml $ conda activate taichi-dev

conda_env.yaml 解析

conda/conda_env.yaml 的内容非常精简，是整个环境的"单一事实来源"：

name: taichi-dev dependencies: - python=3.8 # Replace this with your favorite Python version

• name: taichi-dev：环境名固定为taichi-dev，后续update_env_vars.sh会校验这个名称，因此不要随意改名；
• python=3.8：文件头部注释明确指出可以替换为你喜欢的 Python 版本。结合仓库 setup.py 中声明的 classifier，Taichi 源码构建支持 Python 3.7～3.11，因此按需选择即可（例如 3.10 是常见选择）。

环境的日常更新

conda_env.yaml顶部注释给出了环境更新的标准姿势：

conda activate taichi-dev conda env update --file conda_env.yaml --prune

其中--prune会移除环境中不再被 YAML 声明的多余包，保证环境与声明文件严格一致。这与 Conda 官方推荐的"以 YAML 为单一来源管理环境"的做法一致。

第二步：安装开发依赖

环境创建成功后，还需要把仓库根目录的requirements_dev.txt中的开发依赖装进taichi-dev：

# 注意：这只会把依赖安装到 'taichi-dev' 环境中 (taichi-dev) $ python3 -m pip install -r ../requirements_dev.txt

注意这里使用的是python3 -m pip而非裸pip，确保安装目标是当前激活的 conda 环境，而不是系统的 pip。

requirements_dev.txt 中的依赖一览

requirements_dev.txt 是 Taichi 源码开发所需的 Python 侧工具链，可分为几类：

构建与打包：

• cmake：C++ 侧构建系统的驱动工具；
• scikit-build：桥接 setuptools 与 CMake 的打包框架，仓库根目录 setup.py 正是通过from skbuild import setup来构建taichi_pythonC++ 扩展；
• pybind11：Taichi Python 绑定层的 C++ 库（对应taichi/python与taichi/program的导出实现）；
• ninja; platform_system != 'Windows'：Ninja 构建后端（非 Windows 平台安装），显著加速增量编译；
• wheel与twine：wheel 包构建与发布上传；
• numpy：数值计算基础库，Taichi Python 侧与 ndarray 交互依赖它。

代码质量与协作：

• yapf（格式化）、isort（import 排序）、pylint（静态检查）、pre-commit（提交前钩子）；
• GitPython：构建/发布脚本中执行 Git 相关操作时使用。

测试与辅助：

• coverage：测试覆盖率统计；
• Pillow：图像读写（Taichi 示例与图像 I/O 测试需要）；
• requests：CI 与发布脚本的 HTTP 请求；
• astunparse：AST 反解析，用于 Taichi 的 Python AST 前端处理；
• distro：跨发行版识别 Linux 发行版（构建脚本判断系统时使用）；
• colorama：终端彩色输出。

第三步：配置工具链环境变量

Taichi 的源码构建依赖 C++ 编译器和 LLVM 工具链。conda/scripts/activate_env_vars.sh提供了这些环境变量的声明模板，供你按本机实际情况填写：

#!/bin/sh set -x ### Path to clang++ ### # export CXX=/path/to/clang++ ### LLVM toolchain directory ### # export LLVM_DIR=/usr/local/lib/cmake/llvm ### Additional CMake args for building Taichi ### # export TAICHI_CMAKE_ARGS="-DCMAKE_CXX_COMPILER=clang++" ### Number of threads used when running Taichi tests ### # export TI_TEST_THREADS=4 set +x

各变量的作用如下：

TAICHI_CMAKE_ARGS 常用开关

TAICHI_CMAKE_ARGS是 setup.py 明确支持的构建变量，用于向 C++ 侧taichi_python扩展传递额外 CMake 参数。根据 开发者安装文档 中整理的后端开关表，常用组合例如：

export TAICHI_CMAKE_ARGS="-DTI_WITH_VULKAN:BOOL=ON -DTI_WITH_CUDA:BOOL=ON"

常用开关速查（默认值取自开发者安装文档）：

修改activate_env_vars.sh后，需要重新执行环境变量注入脚本才能生效（见下一步）。

第四步：用 Conda activate.d 机制自动注入环境变量

手动export的变量在每次新开终端后都会丢失。仓库提供的update_env_vars.sh利用 Conda 官方支持的activate.d钩子机制，把activate_env_vars.sh安装进当前环境的激活目录，实现conda activate taichi-dev时自动加载工具链配置。

update_env_vars.sh 的工作原理

conda/update_env_vars.sh 的执行流程如下：

1. 校验环境（第 3-6 行）：检查CONDA_DEFAULT_ENV是否为taichi-dev，不是则报错退出——这是为了防止把配置装进错误的环境；
2. 定位脚本目录（第 9-10 行）：通过pwd -P解析脚本自身绝对路径，得到scripts/子目录；
3. 写入激活钩子（第 16-25 行）：进入$CONDA_PREFIX（当前 conda 环境的安装根目录），创建etc/conda/activate.d/目录，将scripts/activate_env_vars.sh复制为env_vars.sh。

从此，每次执行conda activate taichi-dev，Conda 都会自动 sourceetc/conda/activate.d/env_vars.sh，其中的CXX、LLVM_DIR、TAICHI_CMAKE_ARGS、TI_TEST_THREADS等变量便自动就位，无需手动 export。

执行注入

先按上一步编辑好 conda/scripts/activate_env_vars.sh，然后在conda目录下执行：

$ conda activate taichi-dev (taichi-dev) $ ./update_env_vars.sh

由于脚本内部开启了set -x，执行时会打印每一步操作的详细信息，便于确认钩子安装位置与复制结果。

验证环境与后续开发

环境就绪后可以验证：

(taichi-dev) $ which python # 应指向 conda 环境内的 python (taichi-dev) $ echo $TAICHI_CMAKE_ARGS # 确认工具链变量已自动加载 (taichi-dev) $ echo $TI_TEST_THREADS

确认无误后，即可继续参考仓库的 开发者安装文档 完成 Taichi 源码构建——典型流程是python3 setup.py develop进入开发模式（Python 改动即时生效），或./build.py构建可分发的 wheel。

常见问题与排错

• update_env_vars.sh报 "Please run inside taichi-dev conda env"：说明当前未激活taichi-dev环境，先执行conda activate taichi-dev。
• python3 setup.py develop报 permission denied：多半是当前 Python 环境无写权限。开发者安装文档给出的两条出路：改用--user安装，或如本文所示使用 Conda 环境内的 Python——这也是本流程存在的意义之一。
• 编译时找不到 spdlog 等头文件：说明克隆仓库时未带--recursive拉取子模块，需执行git submodule update --init --recursive --depth=1（子模块依赖见仓库 external/ 目录）。
• which python仍指向系统 Python：确保conda activate taichi-dev已生效，并检查$CONDA_DEFAULT_ENV输出是否为taichi-dev。

小结

Taichi 源码开发环境的搭建核心可以概括为三件事：用 conda/conda_env.yaml 声明式创建taichi-dev环境、用 requirements_dev.txt 补齐 Python 侧构建/测试工具链、再通过 conda/update_env_vars.sh 把 conda/scripts/activate_env_vars.sh 注册为 Conda 激活钩子，实现编译器与 LLVM 工具链的自动注入。这套"环境声明 + 依赖清单 + 钩子注入"的组合，让每个开发者都能在 Linux/macOS 上快速获得一致的、可复现的 Taichi 源码编译环境。当前仓库版本为 v1.8.0，本文流程适用于该版本及其对应分支的源码开发。

【免费下载链接】taichiProductive, portable, and performant GPU programming in Python.项目地址: https://gitcode.com/GitHub_Trending/ta/taichi