Conan 2.13.0 发布:构建工具链与依赖管理的全面升级
Conan 是一个开源的 C/C++ 包管理器,旨在简化 C/C++ 项目的依赖管理和构建过程。它支持跨平台开发,能够帮助开发者轻松管理项目依赖,并确保在不同环境中构建的一致性。随着 2.13.0 版本的发布,Conan 在构建工具链、依赖管理和工作空间支持等方面带来了多项重要改进。
CMake 工具链的增强
本次更新对 CMake 相关的工具链支持进行了显著增强。CMakeDeps 生成器现在能够为 cmake_additional_variables_prefixes 定义 {prefix}_FOUND 和 {prefix}_VERSION 变量,这使得 CMake 脚本能够更灵活地检测和使用依赖包。此外,新增的 CMAKE_LIBRARY_PATH 和 CMAKE_INCLUDE_PATH 被添加到 conan_cmakedeps_paths.cmake 中,进一步改善了库和头文件的查找机制。
对于正在孵化的 CMakeConfigDeps 生成器,现在可以通过配置标志在 conanfile 中使用。这个新特性为构建系统提供了更现代的 CMake 配置方式,是未来 CMake 集成的重要发展方向。
工作空间功能的完善
工作空间(Workspace)功能在 2.13.0 版本中得到了显著增强。新增的 workspace install 命令专门为包含多个可编辑(editable)包的超级项目设计,极大地简化了大型项目的开发流程。配合这一改进,conan new workspace 模板现在包含了一个基于 CMake 的超级项目结构,开发者可以快速搭建适合工作空间模式的项目框架。
这些改进使得在开发大型项目时,能够更方便地管理多个相互依赖的组件,同时保持高效的开发迭代速度。
依赖管理与版本控制
在依赖管理方面,2.13.0 版本引入了多项实用功能。新增的 lock upgrade 命令可以自动升级指定的依赖项并解析依赖图,大大简化了依赖版本升级的过程。Version 类新增的 in_range 方法提供了方便的版本范围比较功能,使得依赖版本约束更加灵活。
对于本地配方索引(local-recipes-index)远程源,现在当请求特定修订版本时会显示警告信息,帮助开发者避免潜在的版本冲突问题。
构建系统与工具链改进
构建系统支持方面,AutotoolsToolchain 现在允许从配置(conf)中获取构建上下文信息,提高了配置的灵活性。对于 MinGW 编译器,settings.yml 新增了 mcf 线程模型支持,完善了对 GCC MinGW 工具链的兼容性。
Premake 工具的 CLI 包装器也得到了增强,现在支持配置 Lua 文件路径和自定义命令行参数,为使用 Premake 的项目提供了更大的灵活性。
性能与稳定性优化
在性能方面,解压(untar)操作的性能得到了显著提升。运行时部署(runtime_deploy)现在能够正确处理符号链接及其关联的库文件,解决了之前可能导致的运行时依赖问题。
错误处理机制也有所改进,现在对于组件定义错误和运行时冲突会提供更清晰的错误信息。同时,修复了 _calculate_licenses SBOM 方法中的错误,并添加了相应的测试用例。
安全与兼容性更新
在安全方面,Conan 2.13.0 将 urllib3 依赖升级到了 2.0 版本,确保了网络通信的安全性。对于 msys2 子系统,现在能够正确继承环境变量中的路径设置,提高了在 Windows 平台下的兼容性。
总结
Conan 2.13.0 版本在构建工具链支持、依赖管理、工作空间功能和整体稳定性等方面都带来了重要改进。这些变化不仅提高了开发效率,也为大型项目的管理提供了更好的支持。对于 C/C++ 开发者而言,升级到 2.13.0 版本将能够体验到更流畅、更强大的包管理和构建体验。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C030
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