用途：从源码构建 ExecuTorch，包括 Python 包、C++ 运行时、模型 runner、交叉编译及后端专用构建。
主要能力：提供按需求分流的构建路径。默认构建 Python 包：先准备 Python 环境（优先 conda，创建 executorch 环境，Python 3.10–3.14；无 conda 时用 venv），验证 python 与 cmake 版本（cmake 需 >=3.24，缺失可 pip install 'cmake>=3.24'），再执行 ./install_executorch.sh --editable；后续重建用 pip install -e . --no-build-isolation，最小安装加 --minimal，启用额外后端通过 CMAKE_ARGS 传入如 -DEXECUTORCH_BUILD_COREML=ON。运行模型可用 make <model>-<backend>，支持 llama、llava、whisper、parakeet、voxtral、gemma3、sortformer、silero-vad 等，后端含 CPU、CUDA、Metal，输出在 cmake-out/examples/models/<model>/<runner>。C++ 运行时可用预设（macos/linux/windows）或 cmake --workflow --preset llm-release 等，也可手动 CMake 指定 XNNPACK、优化内核、扩展模块等开关。交叉编译支持 iOS/macOS frameworks（./scripts/build_apple_frameworks.sh）与 Android（需 ANDROID_NDK，运行 scripts/build_android_library.sh）。
使用方式：按用户需求选择路径——提及 Android/iOS 走交叉编译，提及模型名走模型 runner，提及 C++ 运行时走 CMake，否则默认 Python 包。
适用场景：本地或 CI 中编译 ExecuTorch 各组件、为特定后端或模型构建运行时。
限制：构建耗时约 10 分钟（Apple Silicon）；Debug 比 Release 慢 5–10 倍；部分后端有平台限制（如 CUDA 仅 Linux/Windows，Metal 仅 macOS）；Intel Mac 无预编译 PyTorch wheel，需 --use-pt-pinned-commit --minimal；具体版本与依赖细节以官方资料为准，暂未提供更多信息。