Raspberry Pi Pico SDK 中 CMake 4.x 与 MbedTLS 2.x 的兼容性问题解析
在嵌入式开发领域,Raspberry Pi Pico SDK 是一个广泛使用的开发工具包。近期,随着 CMake 4.0 的发布,许多开发者在使用 Pico SDK 构建项目时遇到了构建失败的问题。本文将深入分析这一问题的根源,并提供解决方案。
问题背景
当开发者尝试使用最新版本的 CMake(4.0 及以上)构建基于 Pico SDK 的项目时,会遇到以下错误信息:
CMake Error at .../lib/mbedtls/CMakeLists.txt:23 (cmake_minimum_required):
Compatibility with CMake < 3.5 has been removed from CMake.
这个错误表明 Pico SDK 中集成的 MbedTLS 库(2.28.x 版本)与新版 CMake 存在兼容性问题。
根本原因分析
问题的核心在于版本兼容性:
-
MbedTLS 2.x 的限制:Pico SDK 当前集成的 MbedTLS 2.28.x 版本在其 CMakeLists.txt 中指定了最低 CMake 版本为 2.8.12,而 CMake 4.0 已移除了对 3.5 以下版本的支持。
-
构建系统升级:随着各大Linux发行版(如Ubuntu 24.04)和包管理器(如Homebrew)开始默认提供CMake 4.0,这个问题变得越来越普遍。
-
安全考虑:MbedTLS 2.28.x 系列已停止维护,不再接收安全更新。
解决方案
针对这一问题,开发者有以下几种选择:
1. 临时解决方案
对于需要立即构建项目的开发者,可以采用以下临时方案:
- 降级CMake:使用CMake 3.x版本进行构建
- 设置策略版本:在CMake命令中添加
-DCMAKE_POLICY_VERSION_MINIMUM=3.5参数
2. 长期解决方案
Raspberry Pi Pico SDK开发团队已经提供了根本性解决方案:
- 升级MbedTLS:将MbedTLS升级到3.6或更高版本,这些版本已经更新了CMake最低版本要求
3. 自定义构建
对于需要保持特定配置的项目,开发者可以:
- 通过设置
PICO_MBEDTLS_PATH变量指定自定义的MbedTLS路径 - 使用项目自己的MbedTLS副本
最佳实践建议
-
版本管理:在CI/CD环境中固定CMake版本,避免自动升级带来的构建中断
-
依赖更新:定期检查并更新项目依赖,特别是安全相关的库如MbedTLS
-
兼容性测试:在升级构建工具链前,先在测试环境中验证项目构建
总结
随着构建工具的不断演进,类似这样的兼容性问题在嵌入式开发中并不罕见。理解问题的根源并掌握多种解决方案,能够帮助开发者更从容地应对这类挑战。对于Pico SDK用户来说,升级到包含MbedTLS 3.x的SDK版本是最推荐的长期解决方案。
对于正在使用Pico SDK进行开发的团队,建议密切关注官方更新,并及时将项目迁移到兼容CMake 4.x的版本,以确保开发环境的长期稳定性和安全性。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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