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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00