Conan工作区功能探索:如何引用上级目录中的项目
2025-05-26 11:26:02作者:钟日瑜
工作区功能简介
Conan作为C/C++包管理工具,其工作区(Workspace)功能允许开发者在本地同时编辑多个相互依赖的项目。这一功能特别适合大型项目开发,能够显著提升开发效率,避免频繁的打包和发布过程。
典型目录结构问题
在实际开发中,我们经常会遇到这样的目录结构:
项目根目录
|_库A
| |_conan
| |_conanfile.py
|_工作区目录
|_conanws.yml
开发者希望在工作区配置中引用位于上级目录的"库A",而不是将所有内容都放在工作区目录下。这种需求在大型项目中尤为常见,因为项目结构往往需要保持一定的组织方式。
解决方案探索
经过实际测试,可以通过以下方式在conanws.yml中引用上级目录的项目:
editables:
库A/1.0.0:
path: ../库A/conan
这种相对路径的引用方式在Conan工作区功能中是可行的。但需要注意,如果使用Conan生成的CMake模板,还需要对CMakeLists.txt文件进行相应修改。
CMake配置调整
当使用Conan生成的模板CMakeLists.txt时,需要修改add_project函数的实现,使其能够在上级目录中查找源代码:
function(add_project SUBFOLDER)
message(STATUS "添加项目 ${SUBFOLDER}")
FetchContent_Declare(
${SUBFOLDER}
SOURCE_DIR ${CMAKE_CURRENT_LIST_DIR}/../${SUBFOLDER}
SYSTEM
OVERRIDE_FIND_PACKAGE
)
FetchContent_MakeAvailable(${SUBFOLDER})
endfunction()
这一修改确保了CMake能够在正确的位置找到项目源代码。
注意事项
- 目前这种引用上级目录的方式在Conan 2.x版本中属于实验性功能
- 官方已确认将在未来的2.17版本中正式支持这种项目布局方式
- 对于复杂的项目结构,建议先在小规模项目中测试验证
实际应用价值
这种灵活的目录结构支持对于以下场景特别有价值:
- 已有大型项目的迁移和改造
- 需要保持原有项目结构的组织
- 多个团队协作开发时的目录隔离需求
- 需要将Conan逐步引入现有项目的情况
通过合理利用工作区功能,开发者可以在不破坏现有项目结构的前提下,享受到Conan带来的依赖管理优势。
未来展望
随着Conan工作区功能的不断完善,预计未来版本将提供更灵活的项目布局支持,包括对同级目录引用的官方支持,这将进一步简化大型项目的配置和管理工作。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.18 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
325
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492