翩若惊鸿，
言如泉涌。

1. 第一阶段 v0.1 – v0.9

   移植一整套模型

   v0.1.0 用 Free Pascal 把 Windows 版的引擎搬到 Linux 上，以 Windows v1.17.0 为基线，并为 IBus 和 Fcitx 5 各写了原生适配器。之后的 v0.2 到 v0.9 逐版跟进 Windows v1.18.0 至 v1.29.0：生成的排序模型、经 C++ 桥接库运行的 Transformer 重排器、拼音约束的局部纠错，一整套模型都随包在本机运行。

2. 第二阶段 v1.0

   共享语言模型出现

   v1.0.0 对齐 Windows v1.31.0，引入基于独立中文语料训练的共享字符级语言模型，把整句连贯性和前文语境用于长句选词、上下文短词和补全。到这时，安装包里有 12 个神经模型文件，引擎里还编译进 43 组模型参数，一次选词往往要依次经过其中好几个。

3. 第三阶段 v2.0 起

   只留一个

   v2.0.0 对齐 Windows v2.2.0，把它们清掉了：神经模型从 12 个减到 1 个，引擎里的模型参数从 43 组减到 7 组，升级时旧模型文件会被删除。留下的是一个约 1.5 亿参数的字符级语言模型，由本项目自己训练，和 Windows 版是同一个文件；长句、短词、补全和同音纠错都问它。模型加载后空闲时，引擎服务的常驻内存从约 437 MiB 降到约 311 MiB（x86_64）和 320 MiB（aarch64）。

   这不是一次功能堆叠，而是一次收拾：以后的改进只需要做在一处，语言模型变好，所有输入场景一起受益。

详细改动见各版本发布说明。

模型只在引擎服务中加载，两个框架的适配器都不加载它；后台就绪、仅用 CPU，线程数等于可用的 CPU 数（x86_64 最多 6 个，aarch64 最多 8 个）。模型调用在前台限时 100 ms、后台补全限时 120 ms，未就绪或超时的时候，候选照常给出，只是不经过模型排序。以下各套基准测试的语料都与训练数据隔离，成绩里没有「背题」的水分。

arch="$(dpkg --print-architecture)"  # amd64 或 arm64
package="cassotis-ime_2.0.0_${arch}.deb"
sha256sum "${package}"
sudo apt install "./${package}"

Space / 1–9

选择候选

Tab / `

接受补全

Shift

切换中英文

arch="$(uname -m)"  # x86_64 或 aarch64
archive="cassotis-ime-linux-2.0.0-${arch}.tar.gz"
sha256sum "${archive}"
tar -xzf "${archive}"
cd "cassotis-ime-linux-2.0.0-${arch}"
./install.sh --user --check &&
./install.sh --user

桌面和 SteamOS 的安装验证在 v2.0.0 开发期间完成，最终对齐 Windows v2.2.0 的安装包另经过引擎、框架适配器和打包检查，范围见兼容性文档。Chromium/Electron、混合 DPI 和 SteamOS 游戏模式不在验证范围内。遇到问题或者想提建议，欢迎到 GitHub 仓库来。