在 Dowww 项目中配置 VS Code 进行 C/C++ 开发
前言
对于学习 C/C++ 语言的开发者来说,一个高效的开发环境至关重要。本文将详细介绍如何在 VS Code 中配置 C/C++ 开发环境,特别适合学习数据结构、算法以及参加 ACM 竞赛的同学。我们将从基础环境搭建到高级调试技巧,一步步带你构建完整的开发工作流。
基础环境准备
编译器与调试器安装
C/C++ 开发需要三个核心工具:
- gcc - GNU C 编译器
- g++ - GNU C++ 编译器
- gdb - GNU 调试器
在终端中执行以下命令安装这些工具:
sudo apt install build-essential gcc g++ gdb
安装完成后,可以通过以下命令验证安装是否成功:
gcc --version
g++ --version
gdb --version
VS Code 插件安装
在 VS Code 中安装官方 C/C++ 插件,该插件提供以下功能:
- 代码智能提示(IntelliSense)
- 代码导航
- 调试支持
- 代码格式化
项目结构与配置
推荐的项目结构
一个良好的项目结构能显著提高开发效率,推荐如下结构:
.
├── .vscode/
│ ├── c_cpp_properties.json
│ ├── launch.json
│ └── tasks.json
├── main.cpp
├── in.txt
└── out.txt
各文件作用说明:
.vscode/:存放 VS Code 配置文件main.cpp:主程序文件in.txt:输入测试数据文件out.txt:程序输出文件
配置文件详解
-
c_cpp_properties.json
控制代码智能提示行为,VS Code 会根据当前环境自动生成基础配置。 -
tasks.json
定义编译任务,通常包含 g++ 编译命令。 -
launch.json
配置调试会话,指定调试器和程序路径。
开发工作流
一键编译运行
通过 Code Runner 插件可以实现一键编译运行:
- 安装 Code Runner 插件
- 默认配置已支持 C/C++,编译命令如下:
"code-runner.executorMap": { "c": "cd $dir && gcc $fileName -o $fileNameWithoutExt && $dir$fileNameWithoutExt", "cpp": "cd $dir && g++ $fileName -o $fileNameWithoutExt && $dir$fileNameWithoutExt" } - 使用快捷键
Ctrl+Alt+N即可编译运行当前文件
高级调试技巧
VS Code 提供强大的调试功能:
-
启动调试
按F5或选择 Debug > Start Debugging -
断点调试
在代码行号旁点击添加断点 -
调试工具栏
提供继续、单步执行、进入函数等调试操作 -
变量监视
在调试过程中实时查看变量值变化
ACM 竞赛特别技巧
对于 ACM 竞赛选手,推荐以下优化方案:
文件输入输出
使用以下代码片段实现文件输入输出:
#ifdef SUBMIT
freopen("in.txt", "r", stdin);
freopen("out.txt", "w", stdout);
long _begin_time = clock();
#endif
// 你的代码
#ifdef SUBMIT
long _end_time = clock();
printf("time = %ld ms", _end_time - _begin_time);
#endif
在 tasks.json 中添加 -DSUBMIT 参数启用此功能:
"args": [
"-DSUBMIT",
"-g",
"${file}",
"-o",
"${fileDirname}/${fileBasenameNoExtension}"
]
代码片段
创建代码片段提高编码效率,例如:
- 打开 VS Code 用户代码片段设置
- 添加常用代码模板
- 通过快捷输入快速插入模板代码
性能优化建议
-
编译优化
在tasks.json中添加-O2或-O3优化选项 -
调试信息
发布版本移除-g参数减少文件大小 -
预编译头文件
对于大型项目考虑使用预编译头文件加速编译
常见问题解决
-
智能提示不工作
检查c_cpp_properties.json中的包含路径是否正确 -
调试无法启动
确认launch.json中的程序路径与实际可执行文件路径一致 -
编译错误
检查tasks.json中的编译参数是否适合当前项目
总结
通过本文的配置,你可以在 VS Code 中建立完整的 C/C++ 开发环境。这套配置特别适合:
- 学习 C/C++ 语言基础
- 算法与数据结构练习
- ACM 竞赛准备
- 小型项目开发
对于大型 C/C++ 项目,仍然建议使用专业 IDE 如 Visual Studio 或 CLion 进行开发。
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