🔧 CMake 构建环境配置

🔧 CMake 构建环境配置#

参考文档：CMake 示例 · Conan 使用

1. 安装依赖工具#

# 更新 conda
conda update -n base -c defaults conda

# 安装 CMake
pip install cmake -i https://pypi.tuna.tsinghua.edu.cn/simple

# 安装 Ninja（作为 CMake 的构建后端）
conda install -c conda-forge ninja

# 安装 Clang/LLVM 作为 C/C++ 编译器
conda install -c conda-forge clangdev llvmdev

2. 配置 pyproject.toml#

[build-system]
requires = ["scikit-build-core-conan"]
build-backend = "scikit_build_core_conan.build"

[tool.scikit-build]
cmake.args = ["-G", "Ninja"]
cmake.build-type = "Release"

[tool.scikit-build.cmake.define]
CMAKE_C_COMPILER = "clang"
CMAKE_CXX_COMPILER = "clang++"

说明：

  • -G Ninja 指定使用 Ninja 作为生成器

  • CMAKE_C_COMPILER / CMAKE_CXX_COMPILER 显式指定 Clang 编译器

  • cmake.build-type 可选 Debug / Release / RelWithDebInfo 等

3. （可选）安装 Conan 依赖管理器#

pip install conan -i https://pypi.tuna.tsinghua.edu.cn/simple

Conan 可用于自动化管理第三方 C/C++ 库依赖，推荐在需要复杂依赖时启用。

4. Windows 下用 Clang 的典型“坑”#

这是 Windows 下用 Clang 的一个典型“坑”：Clang 在 Windows 上默认模拟 MSVC 工具链，所以会去找 link.exe 和 MSVC 的运行库。如果你没装 Visual Studio Build Tools，就会报错。

不过，conda 环境里有办法绕过对 MSVC 的依赖，主要有两条路线：

🛠️ 方案二：使用 MinGW 工具链#

  1. 安装 MinGW-w64 工具链：

    # 稳定版（推荐，适合 Python 扩展）
 conda install -c conda-forge m2w64-toolchain

 # 最新版（适合追新或和 MSYS2 环境统一）
 conda install -c msys2 m2w64-toolchain

  2. 配置 CMake，让 Clang 使用 MinGW 的 ld 和运行库：

    cmake -G Ninja -DCMAKE_C_COMPILER=clang -DCMAKE_CXX_COMPILER=clang++ -DCMAKE_SYSTEM_NAME=Windows -DCMAKE_CXX_STANDARD_LIBRARIES="-lstdc++ -lgcc -lm -lpthread"

  3. 这样 Clang 会走 MinGW 的运行库，而不是 MSVC。

⚖️ 对比#

路线

优点

缺点

LLVM + lld-link

完整 LLVM 工具链，现代化，链接速度快

仍需 Windows SDK 的头文件和库（可通过 conda-forge::vs2015_runtime 等包解决一部分(即 conda install -c conda-forge vs2015_runtime)）

MinGW 工具链

完全不依赖 MSVC，conda 内即可自洽

与 Windows 原生 ABI 不完全兼容，某些库可能不适配

🎯 建议#

  • 如果你要做 跨平台科学计算/扩展模块（比如 Python C 扩展），推荐 方案一（Clang + lld-link），更接近 MSVC ABI，兼容性好。

  • 如果你要做 纯开源跨平台项目，不依赖 MSVC ABI，可以用 方案二（MinGW），完全摆脱 Visual Studio。

目录