vcpkg 2025.04.09 版本发布:C++包管理工具的重大更新
vcpkg 是微软开发的一款跨平台 C++ 包管理工具,它简化了 C++ 项目中第三方库的获取、构建和管理过程。作为 C++ 生态系统中的重要工具,vcpkg 通过提供一致的构建体验,极大地提高了开发者的生产力。
工具链更新亮点
本次发布的 vcpkg 工具链带来了多项重要改进:
-
异步操作优化:
test-features命令现在会等待二进制缓存的异步操作完成后再结束,确保了测试结果的准确性。 -
版本管理简化:
x-add-version命令不再要求变更必须先提交,为开发者提供了更灵活的工作流程。 -
网络代理支持增强:WinHTTP 后端现在支持
NO_PROXY环境变量,与 curl 后端保持一致,改善了在代理环境下的使用体验。 -
跨平台支持扩展:新增了对 arm64 Linux 架构的二进制支持,进一步扩大了工具的适用范围。
-
下载路径优化:下载输出现在使用相对路径,使日志更加简洁易读。
-
权限管理改进:修复了 curl 创建下载目录时权限模式为 750 的问题,提升了安全性。
-
批量操作性能:在进行批量操作时不再跟踪 curl 进度,减少了不必要的性能开销。
-
脚本路径处理:
x-script命令现在总是接收绝对路径作为目标位置,提高了可靠性。
新增软件包
本次更新新增了 23 个软件包,涵盖了多个领域:
- 数据处理:如 arcticdb-sparrow 和 libmatio-cpp 提供了高效的数据处理能力
- 图形图像:dxcam-cpp 和 libdmtx 增强了图像捕获和识别功能
- 音频处理:fxaudio 和 libmidi2 为音频开发提供了新选择
- 开发工具:tree-sitter-cli 和 tree-sitter-c 改善了代码解析工具链
- 系统工具:libevdev 和 shared-mime-info 增强了系统级功能支持
这些新增包反映了 C++ 生态系统的最新发展,为开发者提供了更多选择。
软件包更新概览
本次更新涉及 234 个软件包的版本升级,其中几个值得关注的重点更新包括:
-
AWS SDK 系列:aws-sdk-cpp 从 1.11.474 升级到 1.11.534,带来了多项云服务功能的增强。
-
图形和多媒体:
- opencv 升级到 4.11.0 版本
- sdl2 更新至 2.32.4
- sdl3 升级到 3.2.10
-
开发工具链:
- python3 从 3.11.11 升级到 3.12.9
- qt 框架全面更新到 6.8.3 版本
- protobuf-c 升级到 1.5.2
-
性能优化库:
- mimalloc 从 2.1.7 升级到 2.2.3
- simdutf 更新至 6.4.2
-
网络和安全:
- openssl 升级到 3.5.0
- curl 更新至 8.13.0
这些更新不仅带来了新功能,还包含了重要的安全修复和性能改进。
技术趋势观察
从本次更新可以看出几个明显的技术趋势:
-
跨平台支持持续加强:新增的 arm64 Linux 支持反映了多架构开发的需求增长。
-
云原生工具链完善:AWS 相关组件的频繁更新显示了云服务在 C++ 生态中的重要性提升。
-
多媒体处理能力增强:图形、音频相关库的更新频率和数量表明这是当前的热点领域。
-
开发体验优化:工具链本身的改进都集中在简化工作流程和提高可靠性上。
vcpkg 通过这些更新,不仅保持了作为 C++ 包管理工具的领先地位,也积极推动了整个 C++ 生态系统的发展。对于开发者而言,及时更新到最新版本将能获得最佳的使用体验和最全面的库支持。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0187
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0112
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java03
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08