Sharpmake 0.74.0版本发布:XCode增强与Fastbuild并发优化
项目简介
Sharpmake是Ubisoft开发的一款高效构建系统生成工具,它能够帮助开发者快速生成跨平台的构建文件(如Visual Studio解决方案、XCode项目等)。作为一个元构建系统,Sharpmake通过C#脚本定义项目结构和构建规则,极大简化了复杂项目的构建配置工作。
0.74.0版本核心更新
XCode构建选项增强
本次版本对XCode生成器进行了重要改进,主要涉及两个方面的优化:
-
暴露额外的strip选项:现在开发者可以更精细地控制XCode构建过程中的strip行为。strip是指移除可执行文件中不必要的信息(如调试符号)以减小文件大小的过程。
-
默认值逻辑优化:修正了Testability和StripLinkedProduct参数的默认值设置,使其更加合理。Testability选项控制是否生成可测试的代码,而StripLinkedProduct决定是否在链接时剥离符号。新的默认值将更符合大多数开发场景的需求。
Fastbuild并发组支持
Fastbuild是Ubisoft开发的高效分布式构建系统,本次更新为其添加了重要的并发组(Concurrency Groups)功能:
-
并发组概念:允许将构建任务分组,每组可以独立控制并发度。这对于资源受限的环境特别有用,例如可以限制某些资源密集型任务的并发数量,避免系统过载。
-
实际应用场景:当项目中有大量需要GPU加速的着色器编译任务时,可以将它们放入单独的并发组,限制并发数量以避免GPU资源耗尽。
.NET 9支持
随着微软.NET生态的持续演进,Sharpmake 0.74.0版本新增了对.NET 9的支持:
-
前瞻性兼容:虽然.NET 9尚未正式发布,但Sharpmake已提前做好准备,确保开发者能在新版本发布后立即使用。
-
构建工具链更新:支持最新的C#语言特性和编译工具链,为开发者提供更现代的构建体验。
Fastbuild输入文件根路径配置
新增了CompilerInputFilesRoot配置项,通过Config.FastBuildInputFilesRootPath设置:
-
路径规范化:允许开发者指定Fastbuild输入文件的根路径,通常可以设置为项目的源代码根目录(
SourceRootPath)。 -
构建可靠性提升:明确的根路径设置可以减少因路径问题导致的构建失败,特别是在分布式构建环境中。
技术价值分析
本次更新体现了Sharpmake在以下几个方面的持续进步:
-
平台支持深化:通过增强XCode生成器,Sharpmake进一步巩固了其在跨平台开发领域的地位,为macOS/iOS开发者提供了更专业的构建体验。
-
构建性能优化:Fastbuild并发组的引入使得大规模项目的构建资源分配更加智能,能够根据任务特性灵活调整并发策略,显著提升构建效率。
-
生态前瞻性:提前支持.NET 9展示了Sharpmake团队对技术趋势的敏锐把握,确保开发者能够无缝过渡到新的技术栈。
-
配置灵活性:新增的路径配置选项为复杂项目结构提供了更多定制空间,使Sharpmake能够适应更多样化的项目需求。
升级建议
对于现有用户,建议在测试环境中评估0.74.0版本后再进行生产环境部署,特别注意:
-
检查XCode构建配置中是否有自定义的strip设置,可能需要根据新的默认值逻辑进行调整。
-
对于使用Fastbuild的大型项目,可以尝试使用并发组功能优化构建性能,特别是当项目包含多种资源需求差异较大的构建任务时。
-
计划迁移到.NET 9的项目可以开始使用新版本进行兼容性测试。
Sharpmake持续为游戏开发和大型软件项目提供强大的构建支持,0.74.0版本的这些改进进一步强化了其在复杂构建场景下的表现力与控制力。
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
Baichuan-M3-235B暂无简介Python00
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