Conan包管理器中二进制包过滤机制的版本差异解析
背景概述
在软件包管理工具Conan的使用过程中,二进制包的上传与过滤是一个常见操作。许多团队会利用conan upload命令的--package-query参数来精确控制需要上传的二进制包。然而,随着Conan从1.x版本升级到2.x版本,这一功能的语法和行为发生了一些重要变化,这可能导致用户在迁移过程中遇到二进制包上传异常的问题。
Conan 1.x版本的包过滤机制
在Conan 1.x版本中,用户可以直接使用简单的布尔表达式来过滤需要上传的二进制包。典型的命令格式如下:
conan upload --package-query 'foo=False AND bar=False AND baz=None'
这种语法直观且易于理解,其中foo、bar和baz代表包的选项(option)。系统会直接解析这些选项名称,并根据它们的值来筛选符合条件的二进制包。
Conan 2.x版本的改进与变化
Conan 2.0对包过滤机制进行了重构,主要带来了以下重要变化:
-
显式命名空间:现在必须明确指出选项所属的命名空间,使用
options.前缀来区分选项和设置(settings)。正确的语法变为:conan upload --package-query 'options.foo=False AND options.bar=False AND options.baz=None' -
引入新的过滤方式:除了改进原有的
--package-query参数外,Conan 2.x还引入了更强大的conan list命令及其过滤参数:--filter-profile:允许直接使用profile文件进行过滤--filter-settings:专门针对settings进行过滤--filter-options:专门针对options进行过滤
-
更精确的过滤逻辑:新版本的过滤机制采用了更严格的类型检查和更精确的匹配算法,减少了误匹配的可能性。
迁移建议
对于从Conan 1.x迁移到2.x的用户,建议采取以下步骤:
- 检查所有使用
--package-query参数的脚本和自动化流程 - 为所有选项添加
options.前缀 - 考虑使用新的
conan list命令配合过滤参数,这通常能提供更好的性能和更直观的语法 - 测试验证过滤结果是否符合预期
实际应用示例
假设我们有一个包,其选项包括shared(布尔值)、optimize(布尔值)和version(字符串),在不同版本中的过滤方式对比如下:
Conan 1.x方式:
conan upload --package-query 'shared=False AND optimize=True AND version="1.2.3"'
Conan 2.x方式:
conan upload --package-query 'options.shared=False AND options.optimize=True AND options.version="1.2.3"'
Conan 2.x推荐方式:
conan list --filter-options "shared=False" --filter-options "optimize=True" --filter-options "version=1.2.3"
总结
Conan 2.x对包过滤机制的改进虽然带来了一定的迁移成本,但这些变化使得过滤语法更加明确和强大。通过理解这些差异并适当调整工作流程,用户可以更高效地管理二进制包的上传和分发。对于新项目,建议直接采用Conan 2.x推荐的conan list过滤方式,以获得最佳的使用体验。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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