This Month in Rust OSDev: June 2025
主编：phil-opp
6 月使用 Rust 开发操作系统的情况和资讯。
阅读：https://rust-osdev.com/this-month/2025-06/
PLDI'25 - 《Tree Borrows》 - 杰出论文奖
经过数年的努力，Tree Borrows 论文终于在首尔的 PLDI 2025 上正式发表。
与之前在本博客和 Neven 网站上提到的相比，Tree Borrows 并没有太大变化。
我们利用这些额外的时间进行了形式化证明 ，证明 Tree Borrows 确实能够实现我们希望实现的一些优化，并在 crates.io 上下载次数最多的 3 万个 crate 上对 Tree Borrows 进行了广泛的评估。
这套完整的实现、证明和评估方案给 PLDI 程序委员会留下了深刻的印象，我们因此获得了杰出论文奖。
- 论文：https://dl.acm.org/doi/10.1145/3735592
- slides 及 PLDI 演讲视频：https://github.com/Vanille-N/tree-beamer
- Tree Borrow 博客：https://perso.crans.org/vanille/treebor/
- Ralf 的博客：https://www.ralfj.de/blog/2025/07/07/tree-borrows-paper.html
- Reddit：https://www.reddit.com/r/rust/comments/1lv9y96/ralf_jungs_tree_borrows_paper_is_published_in/
RustWeek 演讲：MiniRust - 指定 Rust 规范的核心语言
演讲者：Ralf Jung
介绍 MiniRust 以及围绕它的一系列研究和开发计划。
MiniRust 是我对 Rust 语义规范化愿景的基石。它是一种理想化的类似 MIR 的语言，旨在成为 Rust 的“核心语言”。
这属于一个更大目标的一部分，其目标是精确地指定 Rust 的操作行为，即 Rust 程序在执行时可能具有的行为。Rust 程序的行为定义如下：首先将其翻译成 MiniRust，然后考虑本文档中指定的 MiniRust 程序可能具有的行为。
这种翻译工作量很大。例如，在 MiniRust 层面上，特征和模式匹配基本上已经消失。另一方面，MiniRust 非常关注细节，例如精确的求值顺序、数据表示，以及什么是未定义行为，什么不是。
仓库：https://github.com/minirust/minirust
文章《使用 CGP 编写可扩展数据类型：模块化解释器和可扩展的访问者模式》
作者：Soares Chen
本文是 Rust 中 Context-Generic Programming（CGP）系列第二篇，重点介绍如何利用**可扩展变体（extensible variants）和可扩展访问者模式（extensible visitor pattern）**构建模块化解释器。
作者通过一个玩具数学表达式语言示例，展示了如何将表达式结构（如加法、乘法）与操作逻辑（如求值、转换为 Lisp）解耦，实现高度可组合、可扩展的代码架构。
CGP 通过 Computer 和 ComputerRef trait 实现无副作用的纯计算逻辑，并支持基于类型（如 Eval、ToLisp）的代码级分发，从而优雅解决“表达式问题”。
文章还展示了如何通过泛型抽象（如 BinaryOpToLisp）减少重复代码，并支持语言的无缝扩展（如添加减法、取反）。
CGP 的设计使得新增表达式或操作无需修改现有代码，兼顾了类型安全与灵活性，为构建可维护的语言处理器提供了强大工具。
阅读：https://contextgeneric.dev/blog/extensible-datatypes-part-2/
Reddit：https://www.reddit.com/r/rust/comments/1lvgyre/building_modular_interpreters_and_visitors_in/
文章《Rust Web 框架中的最佳错误处理经历》
作者开发 Rust Web 框架 Cot 时，致力于实现最佳错误处理机制，要求错误处理器易于编写、访问完整请求信息、统一处理流程，并兼容中间件。
然而，使用 tower_http 中间件会消耗请求所有权，导致错误处理器无法访问原始请求。
作者比较了多种解决方案，包括放弃 tower_http、克隆请求或修改其设计，最终选择克隆请求头以兼顾性能与兼容性，同时反思了当前 Rust Web 框架在错误处理上的不足。
阅读：https://mackow.ski/blog/towards-rust-web-best-errors/
文章《能使用 Wasmtime 构建网络脚本引擎吗？》
作者：Wu Yu Wei
作者探讨了使用 Wasmtime 构建 Web 脚本引擎的可能性，回顾了 Servo 社区曾考虑替代 SpiderMonkey 的经历。
随着 Wasmtime 支持 GC，作者提出以 WebAssembly 组件模型和 WIT 定义 DOM 接口，通过 Resource 类型实现跨语言互操作，构建安全、可扩展的脚本引擎，并展示了初步实现与未来计划。
阅读：https://wusyong.github.io/posts/wasmtime-script-engine/
RapidRAW：GPU 加速的高性能 RAW 图像编辑器
RapidRAW 是一款由 18 岁开发者 Timon 打造的高性能 RAW 图像编辑器，旨在成为 Adobe Lightroom 的轻量级替代品。
它基于 Rust 和 Tauri 构建，利用 GPU 加速和自定义 WGSL 着色器实现快速图像处理，支持 Windows、macOS 和 Linux 平台，体积不足 30MB。
RapidRAW 提供非破坏性编辑、AI 智能遮罩、生成式 AI 图像修补（通过 ComfyUI 后端）、丰富的调色工具和高效的图像管理功能。
仓库：https://github.com/CyberTimon/RapidRAW
Reddit：https://www.reddit.com/r/rust/comments/1lvhwnz/rapidraw_a_raw_photo_editor_written_in_rust/
AutoAgents：开源 AI 代理框架
AutoAgents 是一个基于 Rust 和现代大语言模型（LLM）构建的多智能体框架，支持多种 LLM 提供商（如 OpenAI、Claude、Ollama 等），并提供简洁的 API 用于构建智能体、调用工具、管理记忆和执行任务。
通过示例展示了如何创建一个天气查询智能体，使用工具获取城市温度并回答用户问题。
演示：https://youtu.be/MZLd4aRuftM?si=XbHitYjgyffyOf5D
仓库：https://github.com/liquidos-ai/AutoAgents
google-cloud-rust：Google Cloud 的 Rust 客户端 API
仓库：https://github.com/googleapis/google-cloud-rust
Toml 库：重写并发布 v0.9
TOML v0.9 是一次几乎完全重写的版本，带来了显著的性能提升、对 no_std 的支持以及众多改进。
该版本的主要目标是优化性能，尤其是为了满足 Cargo 在解析大量 Cargo.toml 文件时的需求。
通过引入新的解析架构，TOML v0.9 在保持与 serde 兼容的同时，显著降低了解析时间，甚至在某些场景下接近 serde_json 的性能。
此外，TOML v0.9 还改进了错误恢复机制，支持更大的整数类型，并提供了更灵活的解析选项，以适应不同的使用场景。
该版本还整合了 toml_edit 的功能，统一了 TOML 的解析和编辑能力，减少了生态系统中多个解析器并存的问题。
总的来说，TOML v0.9 不仅在性能上取得了突破，还在功能和兼容性上进行了全面的提升，为 Rust 生态系统中的配置管理提供了更强大的工具。
阅读：https://epage.github.io/blog/2025/07/toml-09/
仓库：https://github.com/toml-rs/toml
Reddit：https://www.reddit.com/r/rust/comments/1lutvax/toml_v09/
--
From 日报小组 苦瓜小仔
社区学习交流平台订阅：
评论区
写评论还没有评论