SCons 4.9.0 发布:构建工具的重要更新与改进
SCons 是一个开源的软件构建工具,它使用 Python 脚本作为构建配置文件,提供了高级的依赖分析和可靠的增量构建能力。作为 Make 工具的现代替代品,SCons 支持跨平台构建,并具有强大的扩展性。最新发布的 SCons 4.9.0 版本带来了一系列功能增强、问题修复和开发改进,标志着该项目在构建工具领域的持续演进。
核心变更与功能增强
SCons 4.9.0 最显著的变化是移除了对 Python 3.6 的支持,现在要求 Python 3.7.0 或更高版本。这一变更反映了项目对现代 Python 特性的依赖,同时也确保了更好的性能和安全性。
在构建环境处理方面,4.9.0 版本改写了覆盖环境(Override environments)的行为。现在,当删除覆盖环境中的项目时,不会同时删除基础环境中的对应项目,解决了之前可能出现的"泄漏"问题。这一改进使得环境管理更加精确和可预测。
对于使用 Microsoft Visual Studio 的项目,新版本改进了 MSVS 解决方案文件的生成逻辑。现在项目文件总是会在解决方案文件之前生成,确保了构建顺序的正确性。同时新增了 auto_filter_projects 可选参数,可以自动从项目参数列表中移除解决方案文件名和节点,避免了错误的项目记录生成。
SCons 的 C 预处理器得到了多项增强:
- 新增了对二进制整数常量的支持
- 修正了八进制整数常量的处理(之前被错误地当作十进制处理)
- 增加了对 z/Z 和 wb/WB 整数后缀的支持
- 改进了宏定义展开值的整数转换方法
实用功能改进
缓存目录(CacheDir)现在会包含一个特殊标记文件,遵循 cachedir 规范,使得备份系统能够识别并忽略这些目录。这一改进使得项目备份更加高效,避免了不必要的数据复制。
变量系统(Variables)新增了"defaulted"属性,可以列出那些使用了默认值的变量名。这一功能使得构建配置的审计更加方便,开发者可以清楚地看到哪些配置项保持了默认值。
对于帮助系统,修复了 env.Help() 和 Help() 函数中参数名不一致的问题,统一使用 local_only 作为参数名,使其功能与名称更加匹配。同时修正了当 Alias 初始创建时没有指定动作的情况下,AddPreAction() 和 AddPostAction() 被忽略的问题。
问题修复与稳定性提升
4.9.0 版本修复了多个关键问题,包括:
- 临时文件清理时机不当的问题(现在会在 SCons 退出时清理,而不是使用时)
- 短选项(单字符选项)处理不正确的问题
- 编译数据库(compilation_db)组件初始化问题,特别是汇编文件条目设置不正确的情况
- 在 Darwin 平台上处理 /etc/paths.d 时的权限问题
- 条件扫描器中宏替换的改进,现在会对 CPPDEFINES 内容进行有限的宏替换
对于 Ninja 构建系统的集成,更新了查找 Ninja 二进制文件的逻辑,以兼容最新版本的 Python Ninja 包(1.11.1.2+)的目录结构变化。同时将 TEMPLATE 规则池从 local_pool 改为 install_pool,以解决潜在的竞态条件问题。
开发工具与类型系统改进
在开发方面,项目继续推进类型提示的现代化:
- 移除了专门的类型工具文件(SCons.Util.sctyping.py),转而使用 Python 的原生注解功能
- 为节点系统(Nodes)实现了完整的类型提示
- 更新了 Ruff 和 Mypy 的配置,增加了新的规则来检测和升级遗留的类型提示语法
Ninja 工具的实现被重构为 ninja_tool 模块,同时保留了 env.Tool('ninja') 的兼容性,避免了与 PyPI 上的 ninja 模块的命名冲突。测试系统中新增了 TestSCons.NINJA_BINARY 来集中管理 Ninja 二进制文件的查找逻辑。
文档与用户体验改进
文档方面进行了大量更新和修正:
- 清理了 gettext 和 pdf/ps 构建器的文档
- 澄清了用户指南中"环境"章节的内容
- 改进了 Repository() 函数的文档说明
- 更新了 Clean 和 NoClean 的文档
- 改进了变量系统的文档
- 修正了用户指南中 Command() 示例,使其使用有效的特殊属性并添加了解释
总结
SCons 4.9.0 是一个重要的版本更新,它不仅带来了功能上的增强和问题修复,还反映了项目对现代 Python 生态的适应。从构建系统的核心功能到开发者体验,再到文档质量,这个版本都做出了全面改进。特别是对 MSVS 和 Ninja 集成的改进,以及对现代类型提示系统的支持,使得 SCons 在复杂的软件开发环境中更加可靠和易用。对于现有用户,升级到这个版本将获得更好的构建体验;对于新用户,现在是一个很好的时机来尝试这个强大的构建工具。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust074- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00