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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00