Swift Composable Architecture 构建失败问题分析与解决方案
问题背景
在使用 Swift Composable Architecture (TCA) 1.12 版本构建 iOS 应用时,开发者在 CI 环境中遇到了构建失败的问题。具体表现为在 Xcode 15.4 和 macOS Sonoma 环境下,构建过程中出现 ComputeTargetDependencyGraph 命令失败的错误。值得注意的是,这个问题仅在添加了 TCA 依赖后出现,本地开发环境却能正常构建。
错误现象
构建日志中显示的主要错误信息是:
The following build commands failed:
ComputeTargetDependencyGraph
更详细的错误日志还包含了关于宏目标未启用的警告:
ComposableArchitectureMacros: error: Target 'ComposableArchitectureMacros' must be enabled before it can be used.
CasePathsMacros: error: Target 'CasePathsMacros' must be enabled before it can be used.
DependenciesMacrosPlugin: error: Target 'DependenciesMacrosPlugin' must be enabled before it can be used.
问题分析
这个问题主要涉及以下几个方面:
-
宏目标启用问题:TCA 1.12 版本引入了多个宏目标(Macros),这些目标需要在构建前被显式启用。在 CI 环境中,这些宏目标可能没有被正确配置。
-
依赖解析差异:本地开发环境和 CI 环境可能存在依赖解析的差异,特别是在 Package.resolved 文件未被纳入版本控制的情况下。
-
Xcode 构建系统限制:
ComputeTargetDependencyGraph错误通常表明 Xcode 在解析项目依赖关系图时遇到了问题,特别是在处理 Swift 宏时。
解决方案
方案一:启用宏目标
确保项目中所有相关的宏目标都被正确启用。这包括:
- ComposableArchitectureMacros
- CasePathsMacros
- DependenciesMacrosPlugin
方案二:使用构建参数跳过宏验证
在 xcodebuild 命令中添加 -skipMacroValidation 参数可以临时解决这个问题:
xcodebuild -skipMacroValidation ...
方案三:更新依赖并锁定版本
- 更新到 TCA 的最新版本
- 将 Package.resolved 文件纳入版本控制,确保 CI 环境使用与本地一致的依赖版本
最佳实践建议
-
版本控制 Package.resolved:始终将 Package.resolved 文件纳入版本控制,以确保所有开发者和 CI 环境使用完全相同的依赖版本。
-
定期更新依赖:定期检查并更新项目依赖,特别是当遇到构建问题时。
-
CI 环境配置:确保 CI 环境与本地开发环境使用相同的 Xcode 版本和构建工具链。
-
宏目标处理:对于使用 Swift 宏的依赖,需要特别注意构建配置,确保所有宏目标被正确启用。
总结
Swift Composable Architecture 是一个功能强大的状态管理框架,但在使用过程中可能会遇到构建系统相关的问题。通过理解构建错误的根本原因,并采取适当的解决措施,开发者可以确保项目在不同环境中都能顺利构建。对于这类问题,保持依赖更新、统一环境配置以及正确处理宏目标是关键所在。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
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
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
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00