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。
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