Boost.Build V2 教程:从入门到项目构建实战
前言
Boost.Build V2 是 Boost 项目中的一套强大的跨平台构建系统,它采用声明式的构建描述方式,能够自动处理依赖关系、多平台构建等复杂问题。本文将带你从最基础的 "Hello World" 开始,逐步掌握 Boost.Build V2 的核心概念和使用技巧。
基础入门
Hello World 示例
让我们从一个最简单的项目开始。在项目的根目录下创建 Jamroot 文件,内容如下:
exe hello : hello.cpp ;
这个简单的配置已经能完成很多工作:
- 直接运行
b2命令会编译hello.cpp并链接生成hello可执行文件 - 默认会构建 debug 版本
- 要构建 release 版本,可以运行:
b2 release
Boost.Build 的一个强大之处在于不同变体(variant)会生成在不同的目录中,这意味着你可以:
- 在不同变体间自由切换
- 同时构建多个变体而不会导致不必要的重新编译
多目标构建
我们可以扩展项目,在 Jamroot 中添加另一个目标:
exe hello2 : hello.cpp ;
现在可以同时构建两个目标的 debug 和 release 版本:
b2 debug release
Boost.Build 会智能地复用已编译的对象文件,避免重复编译。
清理构建产物
要清理所有构建产物,可以使用:
b2 --clean debug release
也可以针对特定目标进行清理:
b2 --clean hello2
构建属性详解
属性基础概念
Boost.Build 使用**特性(features)和值(values)**的组合来表示构建配置。例如:
debug-symbols特性可以有on或off值- 一个属性就是一个(特性,值)对
构建时,Boost.Build 会自动将这些属性转换为编译器、链接器等工具的命令行参数。
属性使用示例
以下命令构建 release 版本,禁用内联并启用调试符号:
b2 release inlining=off debug-symbols=on
属性语法为:feature-name=feature-value
隐式特性
variant 是一个常用的隐式特性,以下两种写法等价:
b2 variant=release
b2 release
构建请求与目标需求
构建请求
命令行指定的属性集合构成构建请求,描述了对目标构建的期望属性。
目标需求
项目可以通过 Jamfile 指定目标需求,这些需求会与构建请求合并。例如:
exe hello
: hello.cpp
: <include>boost <threading>multi
;
这里指定了两个需求:
- 包含 boost 目录
- 启用多线程编译
项目级属性
为避免重复,可以在项目级别指定通用需求:
project
: requirements <include>/path/to/boost <threading>multi
;
exe hello : hello.cpp ;
exe hello2 : hello.cpp ;
这样,hello 和 hello2 都会继承这些需求。
项目层次结构
项目树结构
大型项目通常组织成树形结构:
top/
|
+-- Jamroot
|
+-- app/
| |
| +-- Jamfile
| `-- app.cpp
|
`-- util/
|
+-- foo/
. |
. +-- Jamfile
. `-- bar.cpp
- 根项目:
top/ - 子项目:
top/app/和top/util/foo/
继承机制
子项目会继承父项目的所有属性(如需求),并可以与自己的需求合并。
构建控制
默认情况下,构建父项目不会自动构建子项目,除非显式声明:
build-project app ;
目标依赖关系
基本概念
当目标 X 依赖目标 Y(如需要链接库 Y),Y 称为 X 的依赖,X 称为 Y 的依赖项。
使用依赖库
假设 top/util/foo/Jamfile 中有:
lib bar : bar.cpp ;
在 top/app/Jamfile 中可以这样使用:
exe app : app.cpp ../util/foo//bar ;
这里 ../util/foo//bar 是对另一个项目中 bar 库的引用。
属性传播
当构建 app 时指定某些属性:
b2 app optimization=full define=USE_ASM
这些属性会自动传播到依赖的库 bar,确保构建一致性。
总结
通过本教程,我们学习了 Boost.Build V2 的核心概念:
- 基础项目配置与多目标构建
- 构建属性和变体管理
- 项目层次结构与继承机制
- 目标依赖关系的声明与使用
Boost.Build V2 的强大之处在于其声明式的构建描述和智能的依赖管理,能够大大简化跨平台项目的构建过程。掌握这些基础知识后,你已经可以开始使用 Boost.Build 来管理自己的项目了。
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