Puerts项目在UE5.3.2下的编译问题分析与解决方案
问题背景
Puerts是一个用于在Unreal Engine中集成JavaScript/TypeScript运行环境的插件。在最新版本的Unreal Engine 5.3.2中,使用Puerts插件时可能会遇到编译错误,特别是在macOS平台上使用Xcode 15.2进行构建时。
错误现象
编译过程中会出现多个与C++模板相关的错误,主要报错信息包括:
error: no template named 'result_of'- 编译器无法识别result_of模板'sprintf' has been explicitly marked deprecated here- 提示sprintf函数已被弃用fatal error: too many errors emitted, stopping now- 错误数量过多导致编译终止
这些错误主要出现在asio网络库的相关头文件中,包括asio/bind_cancellation_slot.hpp、asio/bind_executor.hpp和asio/co_spawn.hpp等文件。
问题原因分析
经过深入分析,这些问题主要由以下几个因素共同导致:
-
C++标准兼容性问题:最新版本的Xcode(15.2)默认使用较新的C++标准,而asio库中的部分代码使用了已被弃用的
std::result_of特性。在C++20标准中,std::result_of已被移除,建议使用std::invoke_result替代。 -
编译器严格性提升:新版本的Clang编译器对标准符合性要求更高,会标记出更多不符合最新标准的问题。
-
函数安全性警告:现代编译器出于安全考虑,会将
sprintf等不安全的函数标记为弃用,建议使用更安全的替代方案如snprintf。
解决方案
针对这一问题,Puerts项目提供了两种解决方案:
方案一:强制使用C++17标准编译
在JsEnv.Build.cs文件中添加以下配置,强制使用C++17标准进行编译:
public JsEnv(ReadOnlyTargetRules Target) : base(Target)
{
#if UE_5_3_OR_LATER
PCHUsage = PCHUsageMode.NoPCHs;
CppStandard = CppStandardVersion.Cpp17;
#endif
}
这种方法的好处是:
- 保持所有功能完整可用
- 兼容性较好,不会引入新的问题
- 不需要修改现有代码
方案二:禁用调试功能
如果方案一仍然无法解决问题,可以选择暂时禁用调试功能:
public JsEnv(ReadOnlyTargetRules Target) : base(Target)
{
#if UE_5_3_OR_LATER
PCHUsage = PCHUsageMode.NoPCHs;
PublicDefinitions.Add("WITHOUT_INSPECTOR");
#endif
}
这种方法的特点:
- 完全规避了asio库的兼容性问题
- 会失去调试功能,仅适合不需要调试的场景
- 作为临时解决方案使用
长期解决方案
Puerts项目团队已经意识到这个问题,并计划采取以下措施:
- 升级asio库到最新版本,解决C++20兼容性问题
- 替换已弃用的标准库功能
- 更新不安全的函数调用
建议与最佳实践
对于开发者而言,建议:
- 优先使用方案一,保持功能完整性
- 如果必须使用C++20或更高标准,可以等待官方更新
- 关注Puerts项目的更新日志,及时获取修复信息
- 在macOS平台上开发时,注意Xcode版本与C++标准的兼容性
总结
Puerts在UE5.3.2下的编译问题主要源于C++标准演进带来的兼容性挑战。通过调整编译标准或暂时禁用相关功能,开发者可以顺利解决问题。项目团队正在积极跟进,未来版本将提供更好的标准兼容性支持。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00