cbindgen 0.28.0版本发布:增强Rust与C/C++互操作性
cbindgen是一个由Mozilla开发的工具,用于从Rust代码生成C/C++头文件。它能够自动将Rust中的类型、函数和数据结构转换为C兼容的形式,极大地简化了在混合语言项目中使用Rust的工作。cbindgen特别适合需要在现有C/C++代码库中集成Rust模块的开发场景。
主要更新内容
1. 支持解析unsafe属性
新版本增加了对Rust中unsafe属性的解析能力。这意味着cbindgen现在可以正确处理标记为unsafe的Rust代码块,并将其适当地转换为C/C++头文件中的对应表示。这对于需要与底层系统交互或进行不安全操作的Rust代码特别重要。
2. 改进枚举前缀处理
修复了当使用jsgf配置时,本地覆盖enum前缀名称的问题。现在开发者可以更灵活地控制生成的C/C++枚举的前缀命名规则,确保生成的代码符合项目的命名约定。
3. 新增rename-all=prefix选项
添加了一个新的重命名选项,允许为所有生成的C/C++标识符添加统一前缀。这个功能在多模块项目中特别有用,可以避免命名冲突,同时保持代码的清晰性和一致性。
4. 支持UnsafeCell和SyncUnsafeCell类型
IR(中间表示)层现在支持Rust中的UnsafeCell和SyncUnsafeCell类型。这两种类型在Rust中用于实现内部可变性模式,现在它们可以被正确地转换为C/C++兼容的形式。
5. 数组名称修饰改进
实现了对数组类型的名称修饰(mangling)支持。这意味着包含数组的复杂类型现在能够被正确地处理和转换,解决了之前版本中可能存在的数组类型处理问题。
6. 忽略CARGO_BUILD_TARGET环境变量
在测试过程中,cbindgen现在会忽略CARGO_BUILD_TARGET环境变量。这一改进使得测试过程更加稳定,不受外部构建配置的影响。
7. 改进constexpr字段常量的格式
为每个constexpr字段常量添加了新行,提高了生成代码的可读性。这一改进虽然看似微小,但在处理包含大量常量的头文件时,能显著提升代码的清晰度。
8. 新增符号文件生成支持
添加了生成符号文件的功能。这对于需要精确控制导出符号的项目特别有用,例如在创建动态链接库时。
9. 架构支持和稳定性改进
新版本增加了对aarch64/arm64架构的CI支持,确保在这些平台上的构建和测试稳定性。同时,通过添加unstable_ir特性标志,开发者现在可以选择将IR层设为公开,为高级用户提供了更多灵活性。
技术影响与建议
cbindgen 0.28.0版本的这些改进显著提升了工具在复杂项目中的可用性。特别是对unsafe代码和内部可变性模式的支持,使得Rust与现有C/C++代码库的集成更加无缝。
对于正在考虑或已经使用cbindgen的开发者,建议:
- 如果项目涉及大量unsafe Rust代码,升级到0.28.0版本将获得更好的支持。
- 对于多模块项目,考虑使用新的rename-all=prefix选项来避免命名冲突。
- 需要精确控制导出符号的项目可以尝试新的符号文件生成功能。
- 在ARM架构上开发的项目现在可以更放心地使用cbindgen,因为官方CI已经包含了对这些平台的支持。
总体而言,cbindgen 0.28.0版本在稳定性、功能完整性和跨平台支持方面都做出了重要改进,是Rust与C/C++互操作领域的一个重要里程碑。
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