Conan 2.17.0 发布:构建工具链的重大升级与工作空间优化
Conan 作为领先的 C/C++ 包管理器,在最新发布的 2.17.0 版本中带来了多项重要改进,从编译器支持到工作空间管理都有显著提升。本文将深入解析这些新特性及其技术价值。
核心特性解析
编译器支持扩展
本次更新新增了对 gcc 13.4 和 14.3 版本的支持,这意味着开发者可以在更现代的编译器环境中使用 Conan 进行包管理。值得注意的是,工具链现在能够自动检测 C 语言标准,这大大简化了跨平台项目的配置过程。
对于 MSVC 用户,CMakeToolchain 现在会为 Ninja 生成器自动定义 CMAKE_C/CXX_COMPILER 预设,这一改进特别针对 cl-like 编译器,优化了构建流程。
工作空间革命
Conan 2.17.0 对工作空间功能进行了全面重构:
- 术语变更:'editables' 概念已正式更名为更直观的 'packages'
- 目录结构优化:现在支持在项目根目录下使用
conanws文件夹作为工作空间配置的顶级搜索路径 - 灵活性提升:包/产品不再必须位于
workspace文件夹内,解除了项目结构的硬性限制 - 新增
conan workspace clean命令,可清除可编辑包的输出目录
这些改变使得大型项目的模块化管理更加灵活高效。
构建系统增强
Autotools 用户将受益于多项改进:
- Windows 平台下对 LLVM/Clang 的全面支持,包括 clang 和 clang-cl 前端
- 新增
tools.gnu:configure_args配置项,允许向 configure 命令添加额外参数 - 移除了
autotools_exe模板中不必要的LT_INIT宏
CMake 用户则获得了更完善的 CMakeConfigDeps 生成器,现在能正确处理相对路径和链接标志。
开发者体验优化
模板与项目初始化
新增了 header_lib 模板,简化了纯头文件库的创建过程。同时,to_cppstd_flag 和 to_cstd_flag 方法不再使用固定值,提供了更灵活的标准化处理。
缓存管理
缓存系统获得多项增强:
- 新增
conan cache save --no-source选项,避免在存档中包含下载的源代码 conan cache clean和conan cache check-integrity支持--list参数- 为缓存清理操作添加了详细的日志输出
元数据与输出
JSON 输出格式更加丰富:
- 上传操作现在包含 URL 信息
- 远程仓库信息新增
allowed_packages字段 - CycloneDX 1.6 的 authors 字段格式已修正
安全与质量保证
本次更新加强了软件物料清单(SBOM)的合规性检查,现在会验证许可证是否与 SPDX 标准兼容。conan audit 命令也修复了在包目录中找不到某些包时的崩溃问题。
技术细节改进
底层功能也有多项优化:
copy()函数现在能够正确处理指向目录的符号链接- 配置安装(
conan config install)现在会递归查找.conanignore文件 - 配置值现在支持不同类型数字的组合
- 改进了
test_package对python_requires的处理
结语
Conan 2.17.0 通过全面的功能增强和质量改进,进一步巩固了其作为现代 C/C++ 项目依赖管理首选工具的地位。从编译器支持到工作空间管理,再到构建系统集成,每个方面的优化都体现了对开发者实际需求的深入理解。这些改进将显著提升大型项目的管理效率和跨平台兼容性,值得所有 C/C++ 开发者升级体验。
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
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00