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。
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 StartedRust0172
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook097
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
BitCPM-CANN-8BBitCPM-CANN 是首个基于华为昇腾 NPU 原生构建的端到端 1.58 位(三值化)大语言模型训练系统。该系统将量化感知训练(QAT)集成到 Megatron-LM 框架中,并结合 MindSpeed 加速,覆盖了从自定义三值算子到基于昇腾 910B 的分布式并行训练的完整训练栈。Python00
MiniCPM5-1BMiniCPM5-1B,这是 MiniCPM5 系列的首款模型。它是一个专为端侧、本地部署和资源受限场景打造的 10 亿参数密集型 Transformer 模型,达到了 10 亿参数级开源模型的 SOTA 水平Jinja00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0239