使用Swift和C++的开源构建示例项目
这个开源仓库包含了多个使用Gradle构建的Swift和C++库与应用实例,这些示例展示了如何根据我们在博客中介绍的方法来利用Gradle进行跨平台开发。
所有的C++示例都可在macOS、Linux和Windows系统上运行,支持GCC、Clang和Visual C++。而Swift示例则在macOS和Linux上运行,兼容Swift 3及以上版本。
通过Build Scans深入洞察构建过程
你可以通过在构建命令后添加--scan选项,为这些示例项目生成Build Scans,以获取更详细的构建信息。另外,配合../../build-scan/buildScanUserData.gradle文件并使用-I标志运行构建,你能添加自定义值描述你的构建目标,就像这里所示。
对此示例项目的贡献
如果你希望向这些示例中提交改进,可以参考samples-dev子项目的指导。有新的场景或需求想要提出来?直接在gradle-native仓库中创建问题,详细描述你要实现的功能,我们很乐意帮助你解决问题。
支持Visual Studio和Xcode
所有C++样本均支持Visual Studio,只需在相应目录下运行./gradlew openVisualStudio即可打开项目。对于Swift样本,同样可以通过运行./gradlew openXcode在Xcode中打开项目。
支持XCTest和Google Test
每个Swift样本都有XCTest集成,可以直接通过Xcode进行测试,或者从命令行运行./gradlew test执行测试。C++样本中的simple-library项目展示了基本的Google Test集成。
增量Swift编译
Swift编译器内置了增量编译功能,Gradle默认开启这一特性,无需额外配置即可在你的Swift项目中享受这一便利。
调试和发布版本
Swift和C++插件提供了调试和发布的二进制版本。默认情况下,assemble任务会构建调试版本。你也可以分别使用assembleDebug和assembleRelease任务构建特定版本,或者使用assemble构建所有版本。
目前,没有一键构建所有变体的便利任务。
将二进制发布到Maven仓库
部分C++样本配置了将二进制文件发布到本地Maven仓库的功能。在这些样本中,运行./gradlew publish即可完成构建和发布。二进制文件会被发布到cpp/repo目录下的仓库。
实际应用示例
以下是几个关键示例及其说明:
- 简单应用(application):展示如何用Gradle构建一个简单的Swift或C++应用,无任何依赖。
- 简单库(simple-library):演示如何构建一个Swift或C++库,并附带单元测试。C++版本还包括将库发布至Maven仓库。
- 包含库依赖的单个构建(transitive-dependencies):展示如何在一个Gradle构建中构建应用和多个库,并处理它们之间的依赖关系。
- 复合构建(composite-build):演示如何通过独立的Swift或C++库构建应用程序,所有库都在一个复合构建中管理。
- 使用预编译头文件(precompiled-headers):展示如何在C++项目中使用预编译的头文件加快构建速度。
- 带有Windows资源的应用(windows-resources):仅限Windows环境,展示了如何在C++应用中整合Windows资源(rc)文件。
- 已构建库依赖的Maven仓库(binary-dependencies):只针对C++,如何从Maven仓库下载库并用于构建。
- 使用本地已构建库(prebuilt-binaries):在Swift和C++中均适用,展示了如何利用本地已构建好的库进行项目构建。
每一个示例都旨在解决实际工程中的常见问题,提供易于理解的配置和使用方法。无论你是初学者还是经验丰富的开发者,都能从中找到适合你的解决方案。
选择合适的示例,开始你的开源之旅吧!使用这些模板构建项目,将确保你的代码在各种平台上的一致性和高效性。同时,你也将享受到Gradle带来的强大构建能力和灵活性。
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
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
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
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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
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