Xmake 中 add_requires 的 configs 参数传递问题解析
2025-05-21 23:14:14作者:农烁颖Land
问题背景
在使用 Xmake 构建系统时,开发者经常需要通过 add_requires 命令添加依赖包,并通过 configs 参数传递配置信息。然而,有些开发者发现通过这种方式传递的配置参数无法在包内部通过 package:config() 方法获取,只能通过 package:requireinfo().configs 访问。
问题现象
开发者尝试通过以下方式添加依赖包:
add_requires("TTKWidgetTools 3.0.0.0", {
configs = {
shared = true,
debug = is_mode("debug"),
qt_sdkver = get_config("qt_sdkver"),
qt = get_config("qt")
}
})
在包定义中使用两种方式打印配置信息:
package("TTKWidgetTools") do
on_load(function (package)
-- 方式一:通过 requireinfo 获取
for key, value in pairs(package:requireinfo().configs) do
print(key .. ": " .. tostring(value))
end
-- 方式二:通过 config() 获取
for key, value in pairs(package:configs()) do
print(key .. ":: " .. tostring(value))
end
end)
end
输出结果显示,package:configs() 方法获取的配置信息比 package:requireinfo().configs 少,导致无法通过 package:config("key") 获取所有传递的参数。
问题原因
经过深入分析,发现问题的根源在于包定义中缺少对配置参数的声明。Xmake 要求包定义中必须使用 add_configs 明确声明可以接受的配置参数,否则这些参数不会被自动注册到包的配置系统中。
解决方案
正确的做法是在包定义中预先声明所有可能的配置参数:
package("TTKWidgetTools") do
-- 声明配置参数
add_configs("qt_sdkver", {description = "Qt SDK 版本"})
add_configs("qt", {description = "Qt 安装路径"})
add_configs("shared", {description = "是否构建共享库"})
add_configs("debug", {description = "是否调试模式"})
on_load(function (package)
-- 现在可以通过 config() 方法获取所有声明的配置
print("qt_sdkver:", package:config("qt_sdkver"))
print("qt:", package:config("qt"))
print("shared:", package:config("shared"))
print("debug:", package:config("debug"))
end)
end
最佳实践
- 完整声明配置参数:在包定义中使用
add_configs声明所有可能用到的配置参数 - 提供描述信息:为每个配置参数添加描述信息,方便其他开发者理解参数用途
- 设置默认值:对于可选参数,可以设置默认值
- 参数验证:在
on_load回调中对参数进行验证,确保参数值合法
技术原理
Xmake 的这种设计有以下优点:
- 显式声明优于隐式:明确声明配置参数可以提高代码的可读性和可维护性
- 参数验证:在声明时可以添加参数验证逻辑
- 文档生成:声明的配置参数可以用于自动生成文档
- IDE 支持:IDE 可以根据声明提供代码补全和提示功能
总结
在 Xmake 中使用 add_requires 传递配置参数时,必须在包定义中通过 add_configs 明确声明这些参数,才能在包内部通过 package:config() 方法访问。这种设计虽然增加了一些声明工作,但带来了更好的可维护性和工具支持。开发者应该养成在包定义中完整声明所有配置参数的习惯,以确保构建系统的稳定性和可扩展性。
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
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
🔥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
64
19
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.87 K
暂无简介
Dart
671
155
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
260
322
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++
661
309
🎉 (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
1.19 K
653
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1