Swift-Snapshot-Testing 项目更新:解决 Swift-Syntax 依赖冲突问题
背景介绍
Swift 开源项目近期进行了 GitHub 组织的迁移工作,从原来的 apple 组织转移到了 swiftlang 组织。这一变化影响了多个 Swift 生态工具链项目,其中就包括 swift-syntax 库。作为 Swift 生态中重要的测试工具,swift-snapshot-testing 也依赖 swift-syntax 库,因此需要相应更新依赖关系。
问题描述
当开发者在项目中同时使用 swift-syntax 和 swift-snapshot-testing 作为依赖项时,会遇到构建警告。这是因为 swift-snapshot-testing 仍然指向旧的 GitHub 地址(github.com/apple/swift-syntax),而开发者可能已经在项目中使用了新地址(github.com/swiftlang/swift-syntax)。
构建系统会提示:"swift-snapshot-testing 对 github.com/apple/swift-syntax 的依赖与对 github.com/swiftlang/swift-syntax 的依赖冲突,这两个依赖具有相同的身份标识 swift-syntax。在 SwiftPM 的未来版本中,这将升级为错误。"
解决方案
swift-snapshot-testing 团队已经意识到这个问题,并在 1.17.2 版本中完成了更新。新版本将 swift-syntax 的依赖地址更新为新的 GitHub 组织地址,从而消除了构建警告。
影响范围
这一变更会影响以下情况的项目:
- 使用 Swift Package Manager 管理依赖
- 项目中同时直接或间接依赖 swift-syntax 和 swift-snapshot-testing
- 使用 Xcode 15.4 及以上版本
- 使用 Swift 5.10 及以上版本
升级建议
开发者应尽快将 swift-snapshot-testing 升级到 1.17.2 或更高版本,以避免未来 SwiftPM 将此冲突升级为构建错误。升级后,项目将能够与其他使用新地址的 swift-syntax 依赖和谐共存。
技术细节
这种依赖冲突源于 Swift Package Manager 对包身份识别的机制。即使两个依赖指向不同 URL,如果它们的包标识符相同,SwiftPM 会认为它们是同一个包的不同版本。随着 Swift 生态的成熟,包管理器对这种冲突的检测和处理会越来越严格。
总结
Swift 生态系统的组织迁移是一项重要但必要的变更。作为开发者,及时更新依赖项是保持项目健康的重要实践。swift-snapshot-testing 团队已经积极响应这一变化,开发者只需简单升级即可解决潜在的构建问题。
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