RDKit项目中INCHI-API构建警告的分析与解决
在RDKit项目的构建过程中,开发者可能会遇到一个与CMake相关的构建警告。这个警告出现在处理INCHI-API外部依赖时,涉及到CMake的add_custom_command指令使用方式的问题。
问题现象
当使用CMake配置RDKit项目时,系统会输出以下警告信息:
CMake Warning (dev) at External/INCHI-API/CMakeLists.txt:106 (add_custom_command):
Exactly one of PRE_BUILD, PRE_LINK, or POST_BUILD must be given. Assuming
POST_BUILD to preserve backward compatibility.
Policy CMP0175 is not set: add_custom_command() rejects invalid arguments.
Run "cmake --help-policy CMP0175" for policy details. Use the cmake_policy
command to set the policy and suppress this warning.
这个警告表明在构建INCHI-API时,add_custom_command指令的使用方式不符合CMake的最新规范要求。
技术背景
add_custom_command是CMake中用于添加自定义构建步骤的重要指令。在构建过程中,它可以用来定义在特定阶段执行的命令。CMake 3.20版本引入了CMP0175策略,对add_custom_command的参数校验变得更加严格。
在旧版本的CMake中,如果没有明确指定命令的执行阶段(PRE_BUILD、PRE_LINK或POST_BUILD),CMake会默认假设为POST_BUILD阶段。但随着CMP0175策略的引入,这种行为被视为不规范的用法,会触发警告。
问题分析
在RDKit项目的INCHI-API构建脚本中,存在以下代码片段:
add_custom_command(
TARGET ${PROJECT_NAME}
COMMAND ${CMAKE_COMMAND} -E copy_directory ${CMAKE_CURRENT_SOURCE_DIR}/include ${CMAKE_CURRENT_BINARY_DIR}/include
)
这段代码的目的是在构建过程中将INCHI-API的头文件从源码目录复制到构建目录。然而,它没有明确指定命令应该在构建的哪个阶段执行,因此触发了CMake的警告。
解决方案
根据CMake的最佳实践,应该明确指定自定义命令的执行阶段。对于头文件复制操作,通常适合在构建的早期阶段执行,因此可以使用PRE_BUILD选项:
add_custom_command(
TARGET ${PROJECT_NAME}
PRE_BUILD
COMMAND ${CMAKE_COMMAND} -E copy_directory ${CMAKE_CURRENT_SOURCE_DIR}/include ${CMAKE_CURRENT_BINARY_DIR}/include
)
或者,也可以显式设置CMP0175策略来保持旧有行为:
cmake_policy(SET CMP0175 OLD)
但更推荐的做法是遵循新的CMake规范,明确指定命令的执行阶段。
影响范围
这个问题主要影响使用较新版本CMake(3.20及以上)构建RDKit的开发者。虽然只是一个警告,不会阻止构建过程,但遵循最佳实践可以确保构建系统的长期可维护性。
对于RDKit项目维护者来说,修复这个问题有助于提高代码质量,消除不必要的构建警告,使构建输出更加清晰。
总结
在构建系统配置中,遵循工具的最新规范和最佳实践非常重要。这个案例展示了CMake在不断演进过程中对构建脚本规范性的要求越来越高。作为开发者,我们应该:
- 关注构建工具的更新和变化
- 及时处理构建过程中的警告信息
- 在自定义构建步骤中明确指定执行阶段
- 保持构建脚本的规范性和可维护性
通过这样的细节优化,可以确保项目的构建系统更加健壮和可靠。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00